近年来,建立和健全会议系统制度是当下大部分企业和相关单位所关注的,因为一套完整的、行之有效的会议系统不仅有利于企业管理者更好的去管理企业的职工,而且对于职工个人来说,一套完善的会议系统也能够对他们自身起到约束作用,从而使企业和相关用人单位得到良好的发展。为了使管理人员摆脱繁重的工作任务,让会议系统更具自动化和人性化,本文将基于深度学习的人脸识别技术应用于会议系统中。在对会议中的人员进行识别过程中,诸如人体在室内环境姿势、表情以及遮挡等不同条件的制约,将会造成视频流中人脸图像模糊,识别困难,降低了人脸识别算法的准确性。为了能够有效解决上述问题,本文在基本的人脸识别流程中引入了人脸图像质量评估模型,并通过对预训练的GoogLeNet网络进行微调的方式对模型进行改进。利用GoogLeNet神经网络提取的特征和该特征对应的MOS分数训练SVM分类器,最终得到人脸图像质量评估模型。该模型可以对检测到的人脸图像进行过滤和选择,从而提高了所识别图像的准确性。并且,对于传统目标检测方法对图像的运动模糊、遮挡以及形变等表现出的识别准确率不高的问题,本文将YOLO目标检测算法应用于人脸检测部分实现人脸检测功能,YOLO目标检测不仅可以改善传统检测方法的不足,还能提高检测效率,做到实时检测,更适合于会议场景,做到实时检测会议中的人员。基于深度学习的人脸识别会议系统通过使用人脸识别技术对会议中的与会人员进行识别,及时对早退现象做出判别,此外,还可以应用在会议前对与会人员的考勤,解决了代签现象等问题,具有非常广泛的应用前景。