人脸识别是计算机视觉中重要和受欢迎的研究课题,卷积神经网络算法在人脸识别方面有得天独厚的优势,其优势源于它的权值共享特性、局部感知结构以及池化操作使其更接近于现实世界中的生物神经网络,降低了网络的复杂性。权值共享特性可以有效地降低数据重建时,特征提取和分类的复杂度,局部感知结构和池化操作都可以降低网络的运算参数数目,以上这些因素决定了卷积神经网络在图像处理问题中的优势。因此基于卷积神经网络的人脸识别是值得研究的课题。在对人脸图像采集模糊性较大或者姿态变化幅度较大的情况下,人脸准确识别精度不高,为了提高人脸准确识别率,本文提出一种基于卷积神经网络信息增强的人脸识别算法。算法首先对采集的模糊人脸图像进行小波降噪处理,对降噪输出的图像进行自适应模板匹配;其次结合图像分割方法将人脸图像进行分块,利用Radon尺度变换的几何特征不变性对人脸的关键特征点进行信息增强;最后采用卷积神经网络分类器对增强的人脸特征点进行分类,实现特征点优化提取和人脸准确辨识。仿真结果表明,采用该方法进行人脸识别的准确性较好,且能满足大批量样本人脸快速识别的应用需求。