随着人工神经网络(Artificial Neural Network)的发展,深度学习在图像处理、计算机视觉领域发挥着重要的作用。人脸识别作为计算机视觉一个重要的分支,利用深度学习技术来实现人脸识别得到了社会上越来越多的关注。人脸识别智能系统从技术领域可以分为人脸检测和人脸识别两个模块。人脸检测是利用人脸分类器在输入视频流的每一帧中检测是否存在人脸,确定存在人脸之后将其标出。而人脸识别是将检测出的人脸图片进行下采样、归一化等操作之后,采用优秀的算法对待检测的人脸进行特征提取,接着和人脸特征数据库中的特征进行比对,如果待识别特征与数据库中的特征的相似度达到特定的阈值,将会输出识别结果。本文的主要工作有:(1)综述了深度学习和人脸识别技术的研究现状,确定了本课题的选题背景和研究意义。对比了人脸检测和人脸识别以往相关方法的优缺点,阅读大量的相关资料并实现了基于深度学习的人脸识别智能系统。(2)采用深度学习优秀框架—Caffe来训练人脸模型文件,考虑到BP神经网络的不足,选用深度卷积神经网络实现人脸识别。在对比了几种深度学习的主流框架后,确定采用Caffe框架来训练人脸模型。(3)利用训练出来的模型文件搭建人脸识别智能系统,对整个系统进行设计并实现,使得智能考勤系统变得更加智能化、人性化。针对考勤工作的实际需求采用MFC搭配OpenCV库编写系统的功能界面,在现实场景中通过改变相机分辨率、人脸样本数据库、相似度阈值大小、侧脸角度等因素不断对系统进行测试和改进。本文构建的人脸识别智能系统中训练和测试样本均采用CASIA人脸数据库,在将人脸样本通过转换LMDB格式、归一化等数据预处理操作之后,编写网络描述文件和模型配置文件进行人脸模型的训练。经过大量的参数调节、模型优化等工作之后,观察分析训练过程中损失值loss的变化曲线并选取出最合适的人脸特征模型。利用该模型实现人脸识别智能系统的设计和搭建,系统中包含信息查询、批量注册等功能,实验结果表明该系统可以很好地达到人脸识别智能系统的相关要求,本文采用深度学习算法实现的人脸识别智能系统具有良好的可行性和实用性。