針對(duì)人臉識(shí)別過(guò)程中人臉圖像質(zhì)量較低造成的低識(shí)別率問(wèn)題，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像質(zhì)量評(píng)價(jià)模型。首先建立一個(gè)8層的卷積神經(jīng)網(wǎng)絡(luò)模型，提取人臉圖像質(zhì)量的深層語(yǔ)義信息;然后在無(wú)約東環(huán)境下收集人臉圖像，并通過(guò)傳統(tǒng)的圖像處理方法以及人工篩選進(jìn)行過(guò)濾，得到的數(shù)據(jù)集用以進(jìn)行模型參數(shù)的訓(xùn)練;其次通過(guò)在圖形處理器（GPU）。上加速訓(xùn)練，得到用于擬合人臉圖像到類(lèi)別的映射關(guān)系;最后將輸入在高質(zhì)量圖像類(lèi)別的概率作為圖像的質(zhì)量得分，建立人臉圖像的質(zhì)量打分機(jī)制。實(shí)驗(yàn)結(jié)果表明，與VGG-16網(wǎng)絡(luò)相比，所提模型準(zhǔn)確率降低了0.21個(gè)百分點(diǎn)，但是參數(shù)規(guī)模減小了98%，極大地提高了模型運(yùn)算效率;同時(shí)所提模型在人臉模糊、光照、姿態(tài)和：遮擋方面都具有較強(qiáng)的判別能力。因此，可將該模型應(yīng)用在實(shí)時(shí)人臉識(shí)別系統(tǒng)中，在不影響系統(tǒng)運(yùn)行效率的前提下提高系統(tǒng)的準(zhǔn)確性。

　　近年來(lái)，伴隨著計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展，人臉識(shí)別已經(jīng)成為I業(yè)界和學(xué)術(shù)界研究的熱點(diǎn)。人臉識(shí)別即根據(jù)某種模式判斷物體或者物體的一部分是否滿(mǎn)足人臉結(jié)構(gòu)，并依據(jù)其特征信息標(biāo)識(shí)出其身份的過(guò)程，具體可分為：人臉檢測(cè)、特征提取和人臉檢索。人臉識(shí)別作為身份校驗(yàn)的- -種重要方式，在安全認(rèn)證方面具有極其重要的意義。傳統(tǒng)的門(mén)禁卡、身份證等認(rèn)證方式，極其不方便且容易被盜用，給人們的日常生活帶來(lái)許多麻煩。而人臉識(shí)別作為- -種生物認(rèn)證的手段，具有安全可靠、簡(jiǎn)單、友好等特點(diǎn)，備受人們的青睞;因此，人臉識(shí)別技術(shù)在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、模式識(shí)別等科研領(lǐng)域具有極其重要的研究意義。