随着计算机视觉的研究与发展,计算机视觉的相关技术在日常生活中的应用日益突显。生物识别技术已经成为个人身份认证的重要方式,同时也是目前研究的热点之一。人脸验证作为生物识别技术的重要分支,它的简易性和直观性更容易被用户接受,并且在智能办公、刑事侦破等领域得到了广泛的应用。通过研究国内外人脸验证的发展现状,以深度学习下的卷积神经网络结构为研究对象,展开了对人脸识别中人脸验证技术的研究,本文所做的主要工作如下:(1)以深度学习框架下的卷积神经网络结构为研究对象,采用一种基于卷积神经网络与Gabor特征融合的方法。将图像输入到训练好的网络模型中,并逐步的提取了图像的抽象特征。同时,图像通过Gabor变换处理,提取特征图,两组特征图经过降维后融合成一个新的特征向量,将待比对的两组特征向量利用余弦相似度进行计算,并将获得的值输入到训练好的SVM分类器中做分类,若输出1,则认为是同一个人;若输出0,则认为不是同一个人。(2)针对二分类人脸验证问题,设计了一个Siamese网络模型。一般的深度学习模型是输入一张图片,对该图片做分类或者识别。该网络的应用场景是:同时输入两张人脸图像,对两张图像进行相似性度量。将图像输入到网络模型中,经过网络的非线性转化,从原始的空间分布映射转换到可以进行相似性度量的、更易于区别的特征空间中。通过对转化的向量进行相似性判断,从而判别两张图像是否为同一个人,实验表明本文的方法具有较高的分类准确率。同时,将上述方法应用于实际场景中,以Matlab为仿真平台,实现了基于级联深度神经网络的人脸验证仿真系统;并在OpenCV中编译了DNN模块,以Qt为开发平台,C++为开发语言,调用卷积神经网络模型,实现了基于级联深度神经网络的人脸验证应用系统。