人脸识别是一种重要的生物识别技术,它具有可靠性高、方便快捷等优点,因而成为学术界与产业界的研究热点,并在身份识别、公共安全、智能终端等领域得到广泛应用。近年来,随着深度学习技术的蓬勃发展,基于卷积神经网络的人脸识别方法取得了卓越的成绩,其识别率较传统方法有很大提升,有力地推动了人脸识别系统的商用化。但在实际应用场景下,受光线强度、光线角度等外界因素的影响,图像采集设备捕捉到的脸部图像可能发生退化,这将严重影响人脸识别的效果。此外,目前开源的人脸数据大多以西方面孔为主,这使得训练出来的模型对东方面孔的识别效果较差,难以投入实际应用。本文基于图像增强技术以及深度神经网络技术,对人脸识别的相关技术进行了研究。本文的主要研究工作如下:(1)搭建了一个端到端的人脸识别系统,包含图像预处理、人脸检测、人脸对齐、人脸特征提取与分类四个部分,其中前三个部分可以看作是人脸识别的准备工作,而特征提取与分类是人脸识别的核心。(2)研究了暗通道理论对雾天图像以及低照度图像的增强过程,并将其应用到人脸图像的预处理中,实现了低照度、光照不均等恶劣光照条件下的图像增强,提高了系统对人脸的检测能力,为人脸识别的后续工作奠定了良好的基础。(3)针对东方人脸数据匮乏的情况,借鉴迁移学习的思想,充分利用预训练模型的人脸表征能力,采用预训练模型配合分类器的方法,实现了面向东方面孔的人脸识别,并使用有限的数据对模型微调,提升了模型对东方面孔的识别能力。