中小学的校园安全作为维系千家万户的严肃问题,与每位师生、家长都有着紧密的关系。近年来,校园安全事故频发,尤其是5至12岁学龄儿童的意外伤害事故接连不断,校园安全问题俨然成为全社会讨论的焦点。为方便家长和学校教师及时掌握学生的出入校情况,本文以中小学的校园安全接送作为研究背景,针对成本昂贵的硬件设备和单人逐个检测的缺陷,提出了使用普通摄像头的人脸识别技术,能够准确识别接送人员的身份,制止不明身份者混入校园,同时避免了学生被错接等隐患。本论文主要从以下几个方向展开了研究:（1）人脸检测模型的研究与改进。本文是基于YOLOv3目标检测方法,针对其中的K-means算法对最初聚类点的选择差异所产生的聚类偏差大的不足,运用了K-means++方法来改进聚类中心位置的预测,使得初始聚类点的距离更远,提高边界框的准确性,同时使用SoftNMS算法改进原有的非极大值抑制方法。利用改进后的检测算法在WIDER FACE数据集上训练本文的人脸检测模型,用于对视频流中的行人进行人脸的检测。该模型在MOT16多目标跟踪数据集和现实场景的图像数据的准确率达到98%。（2）人脸图像质量评价算法FIQUE。普通摄像设备拍摄的图片往往面临一些复杂的现实环境,例如:光线不充足、人脸遮挡、人脸尺寸过小等等,这都会影响到人脸图像的质量。为此,在人脸检测完成之后,本文提出一种人脸图像的质量评价算法,对人脸图像进行均值归一化操作并将其拟合成非对称广义高斯分布的结构,然后传入到支持向量机中分类。该算法能够准确评价人脸图像质量,将设定的阈值分数以外的人脸进行过滤,筛选掉不合格的人脸,提升高质量的人脸图像占比。（3）基于Inception-Res Net-v1模型的人脸特征提取。本文将经过人脸图像质量评价算法筛选后的人脸,送入Inception-Res Net-v1模型进行人脸特征的提取,结合本地人脸库,通过人脸特征向量的欧式距离计算判断两幅人脸图像的相似程度,进行识别。论文选取LFW、Age DB-30以及CFP人脸数据集,进行了多组测试,得到本系统的人脸识别准确率高于97%。同时本文采集了现实场景下的视频图像进行测试,实验结果均说明本文人脸识别技术具备良好的鲁棒性。