人脸识别技术应用广泛,现有的方法基本基于计算机视觉,由于脸部遮挡、光照强弱等因素造成识别效果不佳。而认知神经科学的研究发现,人脑在进行人脸识别时认知过程较为特殊。本论文通过ERP信号时空特征的分析及其在快速目标人脸检索的应用,实现了一种基于事件相关电位(Event-Related potential, ERP)信号检测的快速人脸识别方法。首先,本文设计了基于脑电的快速目标人脸索实验方案,然后,使用脑地形图、差异波和T检验等方法对人脸诱发的ERP信号进行时空特征分析,其中N2、P3和N4波的时空特征在目标与非目标人脸上表现出显著性差异。为了实现快速目标人脸检索的应用,本文采用了公共空间模式、线性判别分析、支持向量机等算法对单次ERP进行解码,从而识别出目标人脸。所有解码结果的ROC(Receiver Operating Characteristic)曲线面积皆大于85%,表明该方法的可行性。为了进一步提高该人脸识别方法的效果,本论文首次在目标人脸检索中采用基于深度学习理论的卷积神经网络模型对单次ERP提取时空特征和解码。在网络训练过程中,因存在单个被试训练数据不足问题,本文提出以下方法：先利用所有被试的训练数据对网络训练得到初始模型,后用每个被试各自的训练数据对初始模型进一步优化。结果表明,卷积神经网络方法可以大大提高解码效果,与支持向量机方法的平均Roc曲线面积结果相比,卷积神经网络方法的平均Roc曲线面积结果提高了4.4%,T检验p值为0.0021,12名被试的平均AUC结果达到了92.7%。