摘要：深度学习网络在模式识别领域性能优异,但需要大量有标注样本对网络进行训练,而对于人脸认证情况下训练样本有限,且已有网络模型在不同人种间的性能差异大,往往会导致人脸认证失效.针对以上问题,本文首先在几种预训练深度网模型上构造孪生网络,并设计相似度度量网络;其次,选用多人种的人脸数据库(Racial Faces in-the-Wild,RFW)中不同人种构造正负样本对作为训练集,扩展数据分布,提高模型泛化能力,且在训练过程中采用循环训策略练提高模型的稳定性;最后,在测试集上采用ROC曲线及AUC值对不同模型性能进行评估,测试集与训练集样本无身份交叉,根据实验结果得出结论:VGG16作为主干网络的孪生网络模型更适合多人种人脸认证问题,PCANet提取的特征对African地区的人脸认证更有效.