随着深度学习领域的快速发展,人脸识别和表情识别的研究和应用在这个大数据时代受到越来越多的重视。在安防监控、人机交互等方面,相关的应用也越来越多。目前常见的人脸识别系统主要有两种工作方式,离线工作和联网工作。离线工作的人脸识别系统算法计算速度快,但识别准确率低;联网工作的人脸识别系统算法识别准确率高,但计算和传输时间花费高。针对上述问题,本文重点设计了两个智能人脸识别系统。首先,使用深度人脸识别神经网络和模型压缩技术,在一个小型嵌入式板上设计开发了一个不仅计算速度快,而且识别准确率高的人脸验证系统。该系统在没有使用GPU加速下,提取一张人脸图像的深度特征只需200ms,为实现推广基于深度学习的离线人脸识别系统作出了一定贡献。其次,使用人脸识别算法、边缘计算技术和增强学习Q-Learning算法,设计开发一个联网工作的智能视频监控系统。该系统通过前后端人脸识别算法和决策器模块决策算法的协同作用,智能处理监控数据,来解决传统监控系统中占用存储和计算资源多而且不能及时响应的问题。最后,本文介绍了在表情识别方面的一些工作。提出了多局部特征融合的表情识别方法,该算法提升了人脸表情识别准确率,解决了传统单表情特征识别效果差的问题。