生物特征识别作为计算机视觉的一个研究方向,一直受到国内外学者及各大企事业单位的广泛关注。作为生物特征识别技术中重要的研究方向,人脸识别技术由于其较高的商业价值和极为广阔的应用前景,发展尤为迅速。然而,尽管人脸识别技术己经发展了几十年,由于涉及复杂的现实场景应用,目前依旧存在许多的技术瓶颈尚未突破。本文沿着人脸识别的系统脉络,对其中的部分关键技术展开研究。选择CASIA-WebFace数据集作为训练集,采集部分人脸关键点,利用四元组与欧拉角转换对人脸姿态角进行判断,并对满足约束条件的人脸图像进行筛选,然后利用图像多尺度变换对训练集进行小样本扩充,并将其归一化。将深度卷积网络与残差网络结合,优化为zxzres-cnn网络,并使用AM-Softmax作为目标函数,对经过预处理的训练集进行训练。避免了网络出现过拟合、梯度消失及深度模型退化问题,利用测试集对模型测试,识别率最高达到99.9709%。训练完成后,采集非理想条件下的人脸视频序列图像,并输入网络进行测试。利用夹角余弦相似度方法对人脸图像进行对比。最后,利用Python语言及C语言,将zxzres-cnn算法成功移植至可视化程序中,对系统进行测试。实验证明,该系统在进行非理想条件下的人脸识别时效果较好。