随着移动互联网技术的迅速发展以及移动智能设备的普及,移动社交软件受到广泛关注。目前,传统的身份识别方式存在携带不方便、易丢失等缺点,无法满足用户需求,生物识别技术凭借其唯一性以及便携性的优势渐渐投向市场。传统的人脸识别技术在庞大数据量以及非限制条件下无法得到良好的识别效果,深度学习技术的加入,使得人脸识别在非限制条件下得到更加良好的识别效果。本文介绍了目前移动社交软件的发展现状。分析了目前社交软件存在的信息虚假以及信息安全问题,并针对存在的问题,提出使用人脸识别技术作为身份验证手段,保证用户信息真实性以及信息安全。针对现实生活中的人脸识别应用受光照、角度、表情等因素影响的问题,本文提出改进DBN的人脸识别算法。将图像的LBP特征作为DBN的输入进行神经网络训练,使得DBN模型具有LBP的抗光照变化、角度变化、灰度变化的鲁棒性,同时保留DBN自下而上自助学习数据特征的特点。另外,针对DBN训练过程中数据集不足导致的过拟合现象问题,本文使用Dropout技术改进DBN模型,有效防止过拟合现象发生,提高了DBN模型的泛化能力。最后,将本文提出的改进DBN的人脸识别算法应用于爱度社交软件中,实现人脸识别身份验证方式,并开发完成整个社交软件。经测试表明,本文算法在非限制条件下具有良好的识别效果,爱度Android社交软件功能全面,运行流畅,适配性佳,用户体验良好,值得在市场中进行推广。