在目前的身份识别技术领域,基于深度学习的人脸识别方法依靠超越人眼的识别准确率以及更加出色的特征提取能力取代了传统的人脸识别方法。本文主要研究在深度学习的基础上,从速度、精度和安全性三个方面入手,对人脸识别系统的性能进行改善。系统以深度学习开源框架Tensorflow为平台,基于亚洲人脸的应用环境,采用特征提取加人脸比对的方案对系统进行设计与实现。总体方案如下:第一,设计轻量级卷积神经网络结构,降低网络参数量,提高系统速度;第二,使用Attention机制和改进的softmax损失函数弥补轻量级网络在识别精度上的损失;第三,设计基于动作配合式的活体检测方法,预防虚假人脸攻击,提高系统的安全性;第四,根据疫情期间需要佩戴口罩的情况,加入自动口罩人脸检测功能;第五,使用PyQt5为系统设计图形界面。本文根据实际应用场景,对系统进行综合测试。测试结果表明:本文设计并实现了一个快速、准确、安全的人脸识别系统,其功能和性能满足了人脸识别系统对速度与可靠性的要求,具有良好的应用前景。