随着国家经济水平的持续发展,如今高等教育越来越普及,越来越多的学生进入大学的校园。数据显示,我国从刚步入21世纪至今,短短20年间高校应届毕业生的人数从100余万激增至800余万,这充分表明了我国高等教育正愈发普及。越来越多的大学生步入高校,因此教学质量和教学管理制度也越来越引起校方和家长的重视,其中课堂考勤可以使高校加强对学生的管理,在一定程度上加强学生的自觉性以及对学习的积极性。本文选取作者选题期间（2019年）较为优秀的人脸识别算法,ArcFace人脸识别算法,并对其加以改进,使其对教室环境下的人脸图像具备更佳的人脸识别性能,主要工作如下:1、如今主流的人脸识别方案包含一对一、一对多和多对多的人脸识别方案。本文将对这三种人脸识别方案进行分析比较,整合出最适合课堂考勤人脸识别的方案,即多方案融合。2、由于在教室环境下的特定条件下,摄像头采集到的人脸图像往往受到很多不确定因素干扰,如学生的姿势、光线等问题,又因为ArcFace人脸识别算法采用了MTCNN人脸检测网络模型,上述的问题可能会严重影响到MTCNN人脸检测算法,使其检测准确率偏低。本文为了改善MTCNN人脸检测算法在教室这个特定环境下的检测性能,提出了一种改进方案,其中包括对算法的模型参数进行微调、人脸特征点对齐模块的调整以及引入人脸误检判别公式的方法,根据这三种方法依次对原算法进行模型训练。首先,在对模型参数的微调之后,可以减少人脸的重复预选框;其次,通过人脸特征点对齐模块的调整,可以提高检测效率和人脸检测的准确性;最后,本文还将一个人脸误检判别公式作为限定条件,进一步使得误检率大大降低。通过几组实验,结果表明本文采用的MTCNN人脸检测算法的改进方法确实使MTCNN算法在教室环境下的人脸检测准确率提升、误检率下降。最后,本文将改进后的MTCNN人脸检测算法运用在ArcFace人脸识别算法当中,使得该算法更适合在教室环境下被运用,经过卷积神经网络的训练,得出新的卷积神经网络模型。最终得出结论,在教室环境下,改进后的ArcFace算法与原ArcFace算法对比识别准确率的确有所提升。3、本文设计了一款可应用于高校课堂考勤的管理系统,系统分为多个模块化运行,主要分为课堂考勤模块、功能管理模块、人脸识别模块等,这些模块独立运作,相互协同,为高校学生的课堂考勤服务,它可以提升大学生学习的主动性和积极性。并在最后对系统的数据库表格加以设计,方便高校学生的日常考勤,也便于高校的日常管理,今后投入使用即可促进高校学术氛围和校风的建设。