人脸识别作为身份快速验证的重要技术之一，已经广泛应用于保障社会安全、信息安全的各大领域。传统的人脸识别是将视频设备采集到的人脸照片跟数据库中的照片图像进行匹配。但在犯罪案件中，存在大量无法获得有效人脸照片的情况，这就依赖于法医素描画师根据目击者描述的信息对嫌疑人的面貌进行绘制，再在警方照片库中进行查找。由于素描与照片存在着较大差异，使用传统人脸识别方法无法得到理想结果，依靠人工搜索费时费力，且结果不佳。所以，对素描人脸合成与识别方面的研究十分重要，该技术不仅在法律刑侦方面广泛应用，而且在数字娱乐、漫画制作领域也占据着重要地位。本文主要对素描人脸合成和素描人脸识别两大部分内容进行了研究。　　对于素描人脸合成，本文主要提出了两种方法:一是基于双尺度马尔可夫网络级联的素描人脸合成方法，首先采用较大尺度马尔可夫网络得到初始素描图像，然后将初始素描图像与测试、训练图像一同输入到较小尺寸马尔可夫网络中，合成最终的素描人脸图像。该方法还对近邻块的搜索范围进行了合理的扩展，提出了LSNM近邻搜索方法，成功地解决了单尺度素描合成算法存在的马赛克效应、细节丢失等问题，得到了更高质量的素描图像。二是基于梯度全卷积神经网络的素描人脸合成方法，将素描人脸合成研究步入到深度学习领域，使用全卷积神经网络模型进行素描人脸合成，并在网络中添加梯度先验信息，使得合成的素描图像在眼睛、鼻子、嘴等部分拥有更完整的结构细节。　　对于素描人脸识别，论文主要提取对纹理敏感度低的特征并使用多种信息融合方法对素描人脸进行匹配，具体提出了三种素描人脸识别方法:一是基于多HOG特征融合的素描人脸识别方法，对素描与照片分别提取全局HOG特征与局部HOG特征，并使用PCA与S-NLDA算法对特征降维后，进行特征级融合得到多HOG特征用于识别。该方法融合了全局特征与局部特征，既对人脸整体轮廓进行了很好的表征，又充分利用了人脸局部细节信息。二是基于多PHOG特征灵敏度融合的素描人脸识别方法，使用基于尺寸金字塔的分块方式代替固定大小的分块方式进行HOG特征提取得到PHOG特征，并采用灵敏度方法计算不同特征的权值，通过加权融合方法对提取到的全局PHOG和局部PHOG进行融合与识别，提高了算法的适用性。三是基于结构信息和特征信息融合的素描人脸识别方法，该方法借鉴了人脸识别认知理论中人脸识别过程主要依靠结构信息和特征信息的经验，对素描人脸提取基于HOG的结构信息和基于稀疏核原型表示的特征信息，考虑到了人脸的结构相关性和独立分布性，从而提高了素描人脸识别的准确率。另外，论文还将种族和性别两种辅助属性信息添加到素描人脸识别过程中，对识别的人脸图像进行过滤，提高了识别率。