中国是一个多民族国家,由于受地域、生活方式和遗传等因素的影响,其面部特征上也表现出多样性和差异性,人脸的民族特征是人脸继年龄、性别、表情、身份等之后的又一重要表征人类特征的语义信息,它既属于人类学研究领域,也属于人脸识别技术的研究范畴。人脸民族特征分析在安保、公共安全、犯罪识别、海关签证、边境口岸都具有广泛的应用价值。如何更好地利用计算机技术揭示和研究中国不同民族面部特征具有重要的现实意义。本文主要工作包括以下三个部分。（1）本文采集了五个少数民族男性及女性共计1000例人脸图像,并对人脸图像进行预处理。在此数据基础上,本文引入生成式对抗网络（GAN）和使用可逆1×1卷积的基于流的生成模型（Glow）模拟生成各个民族的人脸,实验表明GAN网络和Glow网络可以通过已有样本数据生成具有相应民族特征的人脸样本,这为扩充多民族人脸数据集规模提供了一个较好的思路和技术手段。（2）基于已构建的多民族人脸数据集,通过调整迭代次数、学习速率、批大小等参数,训练卷积神经网络模型。并使用训练好的神经网络模型和传统主成分分析技术进行人脸民族特征提取,并进行民族属性分类对比实验,实验结果表明,人脸民族特征提取算法以及相似度度量方法直接影响人脸民族分类识别的效果,同时也验证了本文生成的民族人脸样本的有效性。（3）在理论研究基础上,设计并实现了人脸民族属性识别平台。平台支持对用户上传图像中人脸的民族属性进行识别,并输出相似度。另外,平台具有识别反馈功能和民族人脸生成功能,这对于扩充多民族人脸数据集,优化神经网络模型具有重要意义。平台还提供了人脸民族属性分析的API接口,可以快速接入服务并使用。