随着科学水平不断提升,人脸识别技术已经被广泛的应用于安防、考勤、门禁、ATM等方面。目前,人脸识别算法的研究也延伸到复杂环境进行人脸识别。姿态变化,面部遮挡,年龄变化是影响人脸识别系统性能的主要因素。卷积神经网络与传统的人脸识别方法相比:直接作用于原始图像,具有局部感受野、权值共享和下采样等特点。此外,对于图像的平移、比例缩放、倾斜形式具有不变性。本文对卷积神经网络应用于多角度的姿态人脸识别系统中进行了研究。首先,研究了传统的神经网络的组成与特点,然后研究了卷积神经网络的结构特点,对经典的卷积神经网络模型Le Net-5的卷积核尺寸和数目进行改进,提高提取特征的能力。改进池化层的池化方式,减少参数和计算量。在卷积神经网络中加入正则化方法,减少过拟合,增强网络的泛化性和稀疏性。其次,针对改进后的卷积神经网络提取到的特征维数较高,采用PCA算法对提取到的特征向量做降维处理,生成不同维度的特征向量库,然后采用余弦相似度度量算法进行目标人脸识别。最后,对于本文提出的多角度的姿态人脸识别方法进行仿真实验,通过在CAS-PEAL人脸库进行的实验结果表明,改进的卷积神经网络人脸识别算法在多姿态的条件下都有效的改善了识别正确率和识别时间。