近年来,随着电子设备的普及以及社交网站(如微博等)的兴起,以图像及视频为代表的多媒体资源越来越普遍,受到了国内外研究者的广泛关注。因此,如何高效地对图像进行整理以及检索成了当今计算机视觉研究领域的热点问题之一。其中,作为图像检索领域的典型应用,人脸图像检索在学术界和工业界逐渐成为一个热点问题。人脸图像检索技术与图像检索技术、人脸识别技术紧密相关,但相比一般的图像检索技术而言更加关注挖掘具有鲁棒性的人脸语义特征,相比人脸识别技术更加关注索引的使用。因此,需要寻找和研究合理利用图像检索技术和人脸识别技术的人脸图像检索方法,达到检索效果的扩展性和准确率的均衡。为了解决该问题,本文提出了一种基于全局语义和局部参考人的人脸图像检索技术,主要的研究内容如下:1.给出了一种深度卷积神经网络的全局语义特征表示,用于哈希编码的学习和判别性属性分类的学习;2.给出了一种基于身份和编码稳定性约束的带监督哈希编码方法,提高了哈希编码对光照、表情和姿态等因素的鲁棒性;3.给出了四个局部区域的划分方法,以及局部参考人的选取策略,使局部参考人的选择更加具有代表性;4.将基于全局语义的哈希编码、属性分类方法,和基于局部参考人的分类方法进行有效结合,实现快速而精准的人脸图像检索。最后,本文使用的基于全局语义和局部参考人的人脸图像检索技术做实验测试,实验结果表明了我们提出的方法时间消耗较少、准确率较高,人脸图像检索的性能提升效果较为显著。