人脸属性识别作为人脸识别领域的重要分支,在学术界引起了广泛的关注,对于人脸表情、年龄、种族等方面的研究层出不穷。但是,在人脸种族识别研究方面还存在诸多难点,尤其是随着各族人民之间通婚与遗传变化、定居地方变迁、生活交往密切等原因导致各族人民面部特征融合、民族特征消失,各族人脸之间的显著差异逐渐变小,而族内差异逐渐变大。人脸民族识别的研究不仅可以给民族学、人类学研究提供重要的理论支持,还能有效地避免种族效应来提高人脸识别模型的准确率和应用广度深度。因此,人脸种族识别研究具有重要的意义。本文在查阅大量参考文献的基础上,对人脸识别的算法,尤其是深度人脸识别算法进行了学习研究。然后,根据民族辨识度和社会关注度两个指标,采用爬虫技术从国内相关人像摄影网上收集民族图像,并对图像进行分析预处理,构建了一个包含典型的藏、维、苗、壮、蒙古五个民族的高质量人脸数据集。然后,鉴于深度学习算法在图像分类领域中的巨大优势,构建了基于卷积神经网络的人脸民族识别模型。最后,结合建立的人脸民族数据集特征,采用基于深度模型的迁移学习方法训练模型,通过控制变量,设计从深到浅依次冻结卷积层参数微调余下网络层的对照实验,逐步得出民族识别模型的最优训练策略,在测试集上准确率达到83.6%,并且为了避免测试集具有特殊性导致识别率虚高的情况,采用10折交叉验证方法对模型进行了评估,整体识别率为81%?2%。通过实验结果表明,本文建立的人脸民族识别模型具有较高的准确率及稳定性,同时也发现不同民族之间人脸识别率存在差距,例如维族的识别率超过壮族10%左右,这可能是由于部分民族融合程度较大导致民族特征消失得较多。总之,利用深度学习方法解决中国人脸民族识别问题值得更深入的研究,该研究可为人脸属性识别,尤其是中国民族识别提供重要参考。