摘要：深度學(xué)習(xí)的集成特征提取這一優(yōu)點(diǎn)使得它廣泛應(yīng)用于人臉檢測(cè)和識(shí)別。提出了一種多任務(wù)級(jí)聯(lián)卷積網(wǎng)絡(luò)模型(Multitask Cascaded Convolution Network,MTCNN)?；赥ensor Flow平臺(tái),基于改進(jìn)的任務(wù)級(jí)聯(lián)卷積網(wǎng)絡(luò)模型檢測(cè)到人臉,并且用Face Net算法對(duì)人臉進(jìn)行特征提取,用KNN算法對(duì)人臉進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明,對(duì)不同光照下多人圖像和遮擋圖像的人臉進(jìn)行檢測(cè)和識(shí)別,具有良好的魯棒性。