身份识别技术在很多场景下有着广泛的应用,而通过人脸信息进行身份验证有着直接方便,不易丢失或被人冒用,易于为用户接受等特点,一直受到重视和广泛的研究。近年来,随着深度学习技术在计算机视觉等人工智能领域的研究和应用,人脸识别作为计算机视觉技术的一个重要的组成部分也得到了长足的发展,各类基于深度学习和卷积神经网络的人脸识别算法层出不穷,效果也远远高于传统方法,使这一有着广泛前景的技术能够在实际工作生活中得到应用。一款基于深度学习技术来开发设计的实时的人脸识别系统,有着重要意义和广泛的应用前景。本文以设计实现一个基于深度学习技术实现的人脸识别程序为核心展开了研究。文章介绍了人脸识别技术近年来的发展和应用,以及深度学习对这一技术领域进步的影响。文章对程序进行了可行性分析和需求分析的工作,讨论了程序要设计实现的功能,解析了程序的工作流程,并按照工作流程将程序分解为了图片获取,人脸检测,特征提取,身份识别,表情识别和结果输出6个功能模块。文章之后介绍了主要功能模块的设计与实现方法,程序通过深度学习模型YOLO进行人脸检测工作;通过ERT算法进行人脸对齐,并通过残差神经网络(ResNet)提取出128维的特征向量,在此基础上实现人脸识别的任务;通过OpenCV实现实时性图像的输入输出。文章最后对程序功能进行了测试,在flw数据集上测试,程序可以达到98%以上的准确率。深度学习及神经网络技术十分适用与图像识别尤其是人脸识别上,在合适的硬件支持下以这项技术为基础开发的人脸识别程序,能到达较高的识别准确率和较快的运行效率,可以满足实际应用的要求。