人脸识别属于计算机视觉和模式识别的交叉领域,广泛应用于各个学科。通常,人脸也像人类基因和指纹一样具有独特的生物学特性。因此,它可以用作基于面部特征信息识别人们身份的生物识别技术。从20世纪90年代起,人脸识别技术不仅在安防部门应用广泛,在商业化的应用方面也逐渐崭露头角。作为人类特征识别的一部分,人脸识别与其他人类特征识别的不同之处在于,受试者无需直接接触测试仪器,人脸识别系统可以在不被受试者感知的情况下主动获得受试者面部特征信息,从而方便、快速、准确的鉴别受试者的身份。由此可见,人脸识别是一种鉴别身份的有效工具,在任何需要进行身份鉴别的领域和场景,都可以使用这项技术。所以,基于人脸识别的考勤系统也应运而生,它弥补了传统考勤方式操作复杂和效率低的缺点。本文基于深度学习的人脸识别技术,采用卷积神经网络训练模型,设计并实现了一个适合中小企业的人脸识别考勤系统,主要研究了该系统的设计与功能的实现。首先介绍了人脸识别的研究背景和研究意义,阐述了人脸识别技术的基本概念、发展阶段和基本方法,分析了传统考勤方式的不足,并简要介绍了国内外人脸识别技术的发展历史和研究成果。接着详细介绍了人脸检测、图像预处理和人脸识别的主要方法,并分析了本文所选算法的基本原理。然后根据考勤系统在功能和性能上的各种需求,进行软件架构的设计,并且独立的对用户界面和系统功能的规划进行设计。另外还对于考勤系统的功能框架、基于Tensorflow的深度学习框架、和数据库设计工作进行了介绍。最后从人脸检测、人脸识别和数据库这三个方面进行分析,最终整体介绍系统的功能以及测试内容,并展示了相应的GUI界面。