宠物狗行业的不断繁荣发展,对国民经济、人民生活的影响日益加深。因此,宠物狗的管理、宠物狗基本信息的记录、犬类医保与宠物饲养等方面的需求不断增加。为此基于机器学习的狗脸检测以及识别技术应运而生,相比于传统的ID标签、人工芯片注射等方法,在效率、可靠性、成本以及操作性等方面有诸多的优势。因此,本文基于面部识别技术的相关改进,设计了一套狗脸检测及狗脸识别系统,同时介绍了常用的面部检测方法以及常用的面部识别的算法,并与本文算法进行相关的对比实验。主要的工作如下:针对在传统的HOG取特征的过程中,算法计算复杂度较高,不利于特征取,所以导致检测的过程较为冗长,以及检测率不高的情况。出了,利用卷积神经网络第一层的卷积层取图片的边缘、外形等对梯度有益的特征,从而节省了HOG特征取的时间,高了效率,也同时高了检测的准确率。针对传统2DPCA狗脸识别过程中,行列的特征取的局限性,仅仅在行和列的方向上进行线性降维表示,出了多角度2DPCA的特征取,在保证准确率的条件下,首先进行倾斜角度自矫正,然后分角度间隔进行2DPCA的特征取,打破了传统算法的行列局限,可以更为完备地取狗脸特征,最后输入BP神经网络进行分类判别。通过对比实验得到了更好的检测及识别效果。