随着经济的快速发展以及城镇化进程的加快,我国城市人口流动性也大大增加,犯罪现象逐渐趋于突发性和不确定性,这样给公安人员的罪犯搜捕工作带来了极大的不便。为了减轻公安人员的工作力度,提高罪犯的搜捕效率,人脸识别技术正逐渐应用于安防领域。本文重点研究了人脸的特征提取算法卷积神经网络,并且设计了基于姿态人脸识别的罪犯搜捕系统。人脸检测及特征点定位是人脸识别技术的首要部分,本文首先采用了效果良好的基于NPD特征的人脸检测算法,对人脸区域位置确定。然后采用AAM特征点定位算法定位人脸68特征点。最终通过特征点位置坐标对图像进行几何归一化和灰度归一化,得到标准的人脸图像。在对标准人脸图像进行特征提取时,本文采用对姿态、遮挡都有较好鲁棒性的卷积神经网络算法,此算法拥有局部连接和权值共享两大特性,其计算方式和动物的视觉系统非常相似,在图像的识别领域取得了巨大的成功。本文首先介绍卷积神经网络的基本理论和概念,由于卷积神经网络结构比较深,计算时间比较长,对实时性要求较高的识别任务并不适用。因此本文通过减少网络层数,多种下采样方式联合使用来改善原有的网络结构,并在此基础上,使用Maxout函数来代替传统激活函数实现对人脸有效的特征提取。本文设计的网络结构通过Caffe深度学习平台训练实现,在LFW库View2协议下进行测试,得测试识别率为96.71%,并且本文网络特征提取时间有所缩短,对一幅人脸图像提取特征只需104ms。最后通过摄像头采集人脸图像对系统进行测试,测试识别率为95.48%。基本满足了罪犯搜捕系统的需求。本文最后在卷积神经网络算法基础上开发了一套人脸识别罪犯搜捕系统,该系统通过摄像头采集图像,并对采集的图像进行人脸识别,确定监控区域是否存在罪犯。本文完成了系统总体架构设计、网络摄像头控制功能设计、人脸识别功能设计、数据管理功能设计及报警显示功能设计。采用Matlab、C#程序语言和SQL Server数据库在Windows平台下开发。实现了罪犯的自动搜捕功能,并达到预期的效果。