1.一种基于深度学习的人脸识别安防系统，其特征在于：包括图像处理系统、身份确认模块（3）、深度学习模块（4）和安全控制模块（5）；

所述图像处理系统对安防范围内的面部图像进行实时采集，然后对采集的面部图像进行预处理，提高面部图像的可用性，所述图像处理系统对面部图像进行预处理之后，所述身份确认模块（3）提取图像处理模块中的面部特征，根据面部特征确认身份，所述身份确认模块（3）确认身份之后，所述深度学习模块（4）持续采集图像预处理模块（2）传输的信息，将面部图像传输至身份确认模块（3）进行面部识别，根据后期的识别结果将身份确认模块（3）判断错误的面部图像储存在身份确认模块（3）中，所述安全控制模块（5）根据身份确认模块（3）的识别结果对安防设备进行控制。

2.根据权利要求1所述的基于深度学习的人脸识别安防系统，其特征在于：所述图像处理系统包括图像采集模块（1）和图像预处理模块（2）；

所述图像采集模块（1）采用拍摄设备对面部图像进行采集，所述图像采集模块（1）对面部图像进行采集之后，所述图像预处理模块（2）对面部图像进行预处理。

3.根据权利要求2所述的基于深度学习的人脸识别安防系统，其特征在于：所述图像采集模块（1）采用摄像头对进出人员的面部进行实时拍摄，获得面部图像之后将其传输至图像预处理模块（2）。

4.根据权利要求3所述的基于深度学习的人脸识别安防系统，其特征在于：所述图像采集模块（1）对面部图像进行采集并将其转化为电信号之后，所述图像预处理模块（2）对图像采集模块（1）传输的信息进行预处理，预处理包括图像尺寸调整和去噪。

5.根据权利要求4所述的基于深度学习的人脸识别安防系统，其特征在于：所述图像预处理模块（2）对图像采集模块（1）采集的面部图像进行预处理之后，所述身份确认模块（3）对面部图像进行边缘检测，对面部图像进行特征提取，然后将提取的特征和数据库中的面部特征信息进行对比，确认该面部特征的身份。

6.根据权利要求5所述的基于深度学习的人脸识别安防系统，其特征在于：所述身份确认模块（3）确认出入安防区域人员的身份之后，所述图像采集模块（1）持续采集其面部信息，并将面部信息传输至深度学习模块（4）中，所述深度学习模块（4）将新的面部信息传输至身份确认模块（3）丰富该人员的面部特征的数据库。

7.根据权利要求6所述的基于深度学习的人脸识别安防系统，其特征在于：所述身份确认模块（3）对人员进行面部识别之后，所述安全控制模块（5）根据身份确认模块（3）的识别结果对安防区域的出入口关卡进行控制，并将面部识别结果通知管理人员。

8.一种基于深度学习的人脸识别安防方法，包括权利要求1所述的基于深度学习的人脸识别安防系统，其特征在于，包括如下方法步骤：S1、图像采集模块（1）对安防区域内和出入关卡位置进行实时拍摄，然后图像预处理模块（2）对拍摄的面部图像进行预处理；

S2、提取图像预处理模块（2）中面部图像的特征并和身份确认模块（3）中储存的面部特征进行对比，进而确定人员的身份信息；

S3、深度学习模块（4）采集面部识别不通过的面部图像，并根据后期识别结果将身份确认模块（3）判断错误的面部特征储存在身份确认模块（3）中；

S4、安全控制模块（5）根据身份确认模块（3）的控制结果对安防区域内的安保设施进行控制。