在监控等识别系统中,通过摄像头采集到的人脸图片由于距离、角度、光照等因素的影响,分辨率较低,并且以多种姿态以及形态存在,影响了人脸图像识别的结果。伴随近几年的监控、网络传输等技术在社会中的飞速发展,数字信息已经遥遥领先于模拟信息,更多人青睐于在视频监控领域方面使用视频采集、数据压缩、数据分析、数据存取等方式对视频信息处理。深度学习在近几年发展尤为迅速,是机器学习研究方向中一个新兴的领域,深度学习的概念来源于对人工神经网络的研究,它是具有多隐层的多层感知器,通过组合低层特征形成更加抽象的高层表示属性类别或特征,以此来发现数据的分布式特征表示。本文开发了一种人脸识别系统,在Le Net-5卷积神经网络模型基础上,对模型结构进行改进,并运用深度卷积神经网络来克服实际人脸识别时角度、姿势、光线等对识别结果的影响,采用Tensor Flow来搭建深度卷积神经网络模型,运用FERET、ORL、YALE人脸数据集以及自制的人脸数据集进行训练,最后使用Open CV for Python等模块来实现整个人脸识别系统。系统可以实现以下功能:对图片中人脸的检测与识别、通过摄像头来捕捉人脸进行检测与识别。最后对图像进行加噪实验,验证系统性能,并且加入识别后输出个人信息的功能,可应用于企业公司中通过输入员工照片来搜索员工各项基本信息,并设计优化了界面。