在对图像识别的研究方面,基于深度学习的人物图像识别方法是重要的研究内容之一。在公共领域,公安系统等领域应用广泛。基于深度学习的人物图像识别方法与传统的人物图像识别方法相比,能够提取到图像的深层特征,同时能够提高算法的准确率和鲁棒性。本文通过搭建基于Mask RCNN的人物图像识别模型,以较高的准确率完成人物图像的识别工作。本文围绕人物图像的识别这一研究问题,利用如今图像分割效果较好的Mask RCNN模型对图像中的人物进行分割,并结合Haar级联分类器与SIFT特征点匹配算法对人物图像进行识别。本文的研究工作主要有以下三个方面:(1)利用Mask RCNN模型对人物图像进行分割,降低背景对人物识别的噪声干扰,提高模型对人物图像识别的识别率。针对Mask RCNN模型对人物图像的分割效果,本文对Mask RCNN模型从三个方面:不同大小训练集,训练图像维度大小以及不同特征提取网络进行对比实验,得到本文实验环境下分割效果最优的Mask RCNN的模型参数。(2)在人物图像中,能够判断图像中人物是否相同的依据大概率在人物的面部,所以为了能够对图像中的人物进行识别,本文对Mask RCNN模型分割出的人物图像,利用Haar级联分类器对其进行人物面部位置提取。并对面部图像进行分割。(3)针对提取到的人物面部图像,本文采用SIFT特征点检测算法进行面部图像的识别。通过算法检测出面部图像的特征点,并利用KNN匹配算法对两幅图像中检测到的特征点进行匹配。通过实验研究确定本文测试数据集的特征匹配阈值。经实验测试后,整体模型对人物图像的识别率在72%,基本可以对一般人物图像进行检索和识别。