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。