針對人臉識別過程中人臉圖像質量較低造成的低識別率問題，提出了一種基于卷積神經(jīng)網(wǎng)絡的人臉圖像質量評價模型。首先建立一個8層的卷積神經(jīng)網(wǎng)絡模型，提取人臉圖像質量的深層語義信息;然后在無約東環(huán)境下收集人臉圖像，并通過傳統(tǒng)的圖像處理方法以及人工篩選進行過濾，得到的數(shù)據(jù)集用以進行模型參數(shù)的訓練;其次通過在圖形處理器（GPU）。上加速訓練，得到用于擬合人臉圖像到類別的映射關系;最后將輸入在高質量圖像類別的概率作為圖像的質量得分，建立人臉圖像的質量打分機制。實驗結果表明，與VGG-16網(wǎng)絡相比，所提模型準確率降低了0.21個百分點，但是參數(shù)規(guī)模減小了98%，極大地提高了模型運算效率;同時所提模型在人臉模糊、光照、姿態(tài)和：遮擋方面都具有較強的判別能力。因此，可將該模型應用在實時人臉識別系統(tǒng)中，在不影響系統(tǒng)運行效率的前提下提高系統(tǒng)的準確性。

　　近年來，伴隨著計算機視覺技術的飛速發(fā)展，人臉識別已經(jīng)成為I業(yè)界和學術界研究的熱點。人臉識別即根據(jù)某種模式判斷物體或者物體的一部分是否滿足人臉結構，并依據(jù)其特征信息標識出其身份的過程，具體可分為：人臉檢測、特征提取和人臉檢索。人臉識別作為身份校驗的- -種重要方式，在安全認證方面具有極其重要的意義。傳統(tǒng)的門禁卡、身份證等認證方式，極其不方便且容易被盜用，給人們的日常生活帶來許多麻煩。而人臉識別作為- -種生物認證的手段，具有安全可靠、簡單、友好等特點，備受人們的青睞;因此，人臉識別技術在機器學習、計算機視覺、模式識別等科研領域具有極其重要的研究意義。