新型冠状病毒在全球范围内传播,人们的生活必须要面对一系列的变化和挑战。在公共场所当中,口罩几乎成为了人们的生活必需品。面对日益严重的流行病传播,大多数门禁系统无法在佩戴口罩的情况下完成身份认证。因此,在公共场所的入口处,采用人工监管的方式来解决流行病的传播问题,这种方式存在疏漏和误报的可能性,极大地增加了人们感染的可能性,耗费人力成本。由于项目对成本的限制,本文根据高校研究院在疫情期间的管理需求,提出了一种基于人脸识别的智能防疫算法,并可应用于基于单目摄像头的嵌入式系统当中。该算法实现人脸身份认证,并且可以实时检测用户的口罩佩戴情况,满足了防疫工作的需求,同时融合活体检测算法,提高了门禁系统的安全性,有效的保护了高校研究院的财产安全。本文的主要研究工作如下:（1）高校研究院的门禁系统为磁卡式门禁系统,验证方式单一且磁卡容易损坏。为此,本文提出了基于人脸识别的身份认证系统,其具有天然的独特性、友好的验证方式和更高的安全性等特点,并且符合防疫工作的非接触式需求。（2）针对防疫工作中人工监管存在的效率低效、耗费人力成本等问题,本文在基于人脸识别的基础上,融合了口罩检测算法,可以全天候提醒用户佩戴口罩。（3）基于人脸识别的身份认证系统存在非法用户入侵的情况。针对该问题,本文提出了一种在无需用户配合的单目摄像头场景下进行人脸活体检测和人脸验证的人脸识别算法。该算法支持实时人脸识别,具有更高的活体检测识别率与鲁棒性。为了验证该算法的性能,以中国科学院自动化研究所人脸反欺骗数据集（Chinese Academy of Sciences Institute of Automation-Face Anti-Spoofing Datasets,CASIA-FASD）和Replay-Attack为基准实验的数据集,对所提出的实时轻量级活体检测算法的性能进行验证。实验发现在活体检测中半错误率（HTER）为9.7%,等错误率（EER）为5.5%。人脸识别算法在整个流程中处理1帧图片所需时间为0.12s,验证了该算法的可行性和有效性。