如今人脸验证技术已经在安防、考勤等多个领域逐渐推广起来,然而随着年龄的增长,人类的面部特征会发生一定程度地改变,原有的不具有年龄不变性的方法在验证不同年龄的人脸图像效果并不理想,而重复采集人脸图像一方面在时间上会有滞后性,另一方面耗费大量的人力物力,因此需要一种针对跨年龄人脸图像的高效人脸验证方法。本文设计了一种并联极深卷积神经网络的模型。在跨年龄人脸验证领域,对比传统的特征提取与验证相分离的方法,深度学习的方法将以上两者紧密地联系在了一起,使得验证过程对特征提取过程有了直接的反馈。本文单个网络使用了深度卷积神经网络(DeepCNN),通过尽可能提高网络深度达到更高的正确率。并通过多网络的并联与投票的方式,使得各个网络之间能够相互补充,进一步地提高了人脸验证的正确率。经过并联投票的方式在CACD数据库上得到了一定程度的提升,但在更为简单的MORPH数据库上表现不明显,一定程度上也揭示了单个DeepCNN已经具有十分好的表达跨年领人脸图像的能力,如果再使用复杂的结构可能会导致进一步地过拟合现象。通过在CACD数据库和MORPH数据库这两个带有年龄特征的数据库上与近年最好的方法比较,本文在上述两库上的正确率高于其他方法,从而也证明了本文方法的有效性。