随着人工智能和计算机视觉的发展,如何使计算设备获得感知图像内容的能力已成为当前热点的研究课题,其中对于人脸图像的感知具有广阔的应用前景与价值而被广泛关注。本文针对教学环境下出现的人脸检测与识别问题进行研究。对人脸前后遮挡导致人脸漏检的问题,提出了使用柔性非极大值抑制算法改进人脸检测方案;针对人脸高、低分辨率变化影响识别准确率问题,提出双分支的提取特征网络,对不同分辨率的人脸图像提取特征的解决方案。具体的研究工作为:（1）针对在教室的密集环境下人脸前后遮挡导致人脸检测出现的漏检问题,基于多任务级联卷积网络的人脸检测模型,通过使用柔性非极大值抑制算法改进检测方案,改善了人脸前后遮挡时的漏检问题。实验结果表明,改进后的算法提高了在人脸前后遮挡情况数据集上的检测精度。（2）针对人脸与摄像设备距离不一致而出现的人脸尺度不统一问题,本文基于深度残差网络提取人脸特征,对高、低分辨率的人脸图像,采用了双分支的提取特征网络,使得不同分辨率的图像在公共特征空间中实现聚类。同时采用中心损失函数、参数化整流线性单元与批量归一化对网络训练的过程进行改进,提高了网络的特征分类性能和训练过程中的收敛速度。实验结果表明本文提出的方法提高了低分辨率人脸识别准确率。本文设计并实现了基于上述方案的人脸识别系统,系统具有采集人脸图像、读取摄像头与录制视频进行人脸检测、人脸识别的功能,并模拟了在课堂环境与网上考试等教学场景的应用。