该系统的界面使用 MFC 编写,在具体实现中了应用了多线程编程技术实现了一个简单的生产者消费者模型,从而提高了系统的识别效率，另外,对人脸的识别模块还使用了 Python，C++混合编程技术引入了 Google 的开源深度学习框架 Tensorflow 作为对 FaceNet 的具体实现，数据库使用的是 SQL Server2012，连接数据库使用的是微软公司的ADO 组件.该系统主要有信息采集模块和实时监控模块两个部分，前者完成对任务样本的信息采集工作，后者完成在实时监控的情况下对出现在画面中的人脸进行检测和识别，检测部分的速度可以达到 40～60 的 FPS，识别部分由于计算量较大，只能达到 2～5 的 FPS。该系统经过简单的硬件支持和部署之后，基本可以完成在实际场景中的简单应用,具有一定的学术研究和实际应用价值。
