随着近年来数据挖掘技术和人工智能的兴起,生物识别领域取得了突破性的进展。人脸识别作为一种关键的基于生物特征的身份认证方式,极大程度上为人们的日常生活带来了便利条件。然而尽管目前人脸识别领域已经被许多学者广泛研究,基于视频的人脸识别仍然是一个具有挑战性的领域并需要更加深入的探索。目前,基于深度学习的技术和方法已经在人脸的检测和识别研究领域被广泛的采用,本文设计了基于深度神经网络模型来实现基于视频的人脸识别任务,并且使得神经网络模型在具有足够高人脸识别的准确度的同时能够保证人脸识别过程的实时性。本文主要包括以下研究内容:(1)搭建基于级联卷积神经网络结构实现人脸的检测功能。本文使用多个卷积神经网络级联的结构作为人脸检测任务的深度网络模型,并为神经网络设计了三个不同的任务,分别为人脸与非人脸图像的分类、人脸图像坐标的定位的和人脸关键点坐标的定位。(2)实现基于多层神经网络的方法完成人脸图像的特征提取过程。本文中设计和搭建了卷积网络的结构,旨在从视频图像中抽取人脸信息的特征向量表达。相比于目前先进的人脸识别网络,本文针对自然场景下视频图像场景较为复杂的特点对网络结构和损失函数等关键点进行设计和优化,使得卷积网络更加适应自然场景下的视频识别任务。(3)使用中心损失增强同类特征的聚合性。在本文中,人脸识别模型选择使用中心损失函数替代三元组损失,从而达到聚合同类特征的目的,使得相同类别的特征间的距离最小化。(4)提出人脸的重定位算法加快人脸识别过程的速度。为了保证能够实时处理视频中的人脸图像,本文提出了人脸重定位方法减少人脸识别过程的计算开销。本文的实验结果章节对本文中提出的方法进行了性能的评估,并与其他基于深度学习技术的人脸识别方法在识别准确率方面进行了比较,实验证明本文基于视频图像的方法在YouTube Faces数据集上达到了96.0%的分类准确率。另外,对于1024x576分辨率的视频图像,本文提出的方法在使用Nvidia GTX 970进行人脸识别的情况下可以达到约20帧每秒的处理速度。最后,针对自然场景下的多人脸识别任务测试网络模型的性能,最终结果也显示了模型对于复杂背景或光照条件下的多人脸任务具备较强的鲁棒性。