人脸识别作为计算机视觉领域中一个重要的研究方向,在生活中的各个领域都有很好的应用前景,也是最简单、最方便、最安全的生物识别技术。目前,传统的人脸识别方法在在环境比较简单固定的条件下已经得到了很高的准确率,但是在实际的应用中,环境比较复杂,容易受到光照、姿态、遮挡等因素的影响,使得人脸识别任务遇到一定的挑战。而且现有的基于卷积神经网络的人脸识别方法也存在鲁棒性不强,计算量比较复杂等问题,因此本文研究了一种基于卷积神经网络的人脸检测和识别方法,并将其应用于人脸签到系统。本文主要工作内容有:(1)阐述了课题的研究背景和意义,并通过阅读大量的中外文文献,了解了人脸识别的国内外研究现状并对其进行概括总结。同时对人脸识别的基本框架以及卷积神经网络的理论基础进行了简单的介绍。(2)针对现有基于卷积神经网络的人脸检测方法鲁棒性差,结构复杂、计算参数大等问题,研究了一种人脸检测算法,该算法主要包括两部分,候选框生成网络和人脸分类网络,在减少参数的同时也提高了算法的鲁棒性。(3)利用经典的VGG网络模型并对其简化和改进,研究了一种基于卷积神经网络的人脸识别方法。为了实现在人脸类间差距加大的情况下减小类内差距,将softmax损失函数和center loss函数相结合进行联合训练,提高了人脸识别的准确性。(4)基于本文研究的算法,设计了一个基于IPv6的人脸签到系统,并且在自建的小型人脸数据库上从光照因素、人脸姿态、人脸遮挡三方面对其进行了测试和分析,验证了该系统的性能。