近年来,人脸识别一直是模式识别、图像处理和机器视觉等领域的研究热点之一。素描人像识别作为一个难题,一直以来没有一个非常有效的解决方案,它是依据专业画家手绘的素描人像进行的人脸识别,素描人像识别主要在公安司法案件侦破和寻找走失人员中进行应用,在案件没有犯罪嫌疑人或走失人员的确定照片时,通过对素描人像图与人脸照片的比对,它可以帮助调查人员缩小目标范围。现阶段在该方面的研究绝大多数是将照片转化为类素描的图像,再与素描图进行匹配,这种研究方法缺乏一定实际应用意义。因为合成人像可以用来进行人脸识别,因此本课题的研究内容是从素描人像到真实人像的人像合成。本文主要工作如下:首先,由于不同的人像存在尺寸和人脸位置不统一,因此本文通过图像灰度化减小后续运算量,利用MTCNN（Multi-task convolutional neural network）算法得到人脸的五个关键点,对其使用仿射变换得到五官位置标准化的人像,最后使用双立方插值算法将人像放缩到统一的尺寸。其次,因为目前素描人像转换到真实人像的图像质量很差,所以本文新提出一种基于Cycle GAN（Cycle Generative Adversarial Networks）的素描人像-真实人像的合成方法U-WCycle GAN。U-WCycle GAN方法在判别网络中使用由上采样残差块和下采样残差块组成的U-Net结构,在对抗损失中使用Wasserstein距离代替原始的JS（Jensen–Shannon）散度,最终有效的提高图像生成质量。最后,在CUFS数据库上测试本文提出的U-WCycle GAN合成方法,将现有的图像合成算法进行修改,使其可以完成从素描人像到真实人像的合成。实验结果表明U-WCycle GAN是优于其他的合成算法,人眼直观感受和局部细节最贴近真实人像,图像质量分数SSIM（Structural Similarity）和PSNR（Peak Signal to Noise Ratio）的平均值分别为0.8878和19.4535,识别成功率在Rank-10下的平均值为89.9%,相比于其他的合成算法提升了3.7～9.5%。