主要介绍了使用卷积神经网络（CNN）做人脸识别的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

本项目着手实现了一个基于卷积神经网络的人脸识别签到系统，该系统能够进行人脸的采集，并将不同人脸对应的学号（工号）姓名信息存储于数据库，利用CNN卷积神经网络对人脸进行训练；人脸签到模块能实时识别当前人脸，识别成功会语音播报某学号(工号)某同学(员工)签到成功，并在系统界面输出显示签到信息同时自动更改当前对象的签到状态；缺勤模块可以查看当前未签到成员信息，可以重置所有成员的签到状态。 项目特点：1、基于神经网络，系统具有学习能力，理论上给它喂的数据越多，它就可以识别越多的人而且准确度会不断提高。 2、利用多线程将ui界面与功能代码分开，在显示界面的同时还能进行后台的运算，防止卡顿提升使用体验，因此对计算机配置要求不高。 3、某些操作有语音提示功能，使用时方便友好。

本项目着手实现了一个基于卷积神经网络的人脸识别签到系统，该系统能够进行人脸的采集，并将不同人脸对应的学号（工号）姓名信息存储于数据库，利用CNN卷积神经网络对人脸进行训练；人脸签到模块能实时识别当前人脸，识别成功会语音播报某学号(工号)某同学(员工)签到成功，并在系统界面输出显示签到信息同时自动更改当前对象的签到状态；缺勤模块可以查看当前未签到成员信息，可以重置所有成员的签到状态。 项目特点：1、基于神经网络，系统具有学习能力，理论上给它喂的数据越多，它就可以识别越多的人而且准确度会不断提高。 2、利用多线程将ui界面与功能代码分开，在显示界面的同时还能进行后台的运算，防止卡顿提升使用体验，

《DeepLearning tutorial》的代码，含详细流程及代码实现，将CNN用于人脸识别。

1.了解人脸识别的研究现状 2.掌握采集人脸的思路与方法 3.掌握提取人脸的方法 4.掌握属于预处理的流程 5.掌握cnn人脸识别模型的构建 6.掌握调用模型进行实时识别的方法

使用多层CNN卷积神经网络构建模型，分析人脸的轮廓，将人脸照片数据放入data中进行训练，并且能够对人脸的表情进行分析（高兴、愤怒、难过、一般）

《DeepLearning tutorial（5）CNN卷积神经网络应用于人脸识别（详细流程+代码实现）》这篇文章的代码，将CNN用于人脸识别，整个实现流程请见：http://blog.csdn.net/u012162613/article/details/43277187