素描人脸识别是指通过将素描人脸图像在人脸照片库中与照片进行比对来识别素描图像对应的身份,其主要应用在锁定嫌犯身份等领域。与针对同一模态的传统人脸识别相比较,素描人脸识别旨在解决不同模态间的差异问题,其应用范围更广。合成素描人脸识别是素描人脸识别领域中的一个分支,合成素描相较于其他类素描,因其具有图片合成速度快、成本低的特点,故而受到了刑侦领域的喜爱,同时也引起了越来越多研究人员的关注。目前,现有的合成素描人脸识别算法虽取得了一些不错的成果,但仍存在许多问题待克服。本文针对现有算法存在的特征模型单一问题、特征融合的权值确定问题进行研究,其主要贡献如下:(1)针对现有算法存在的特征模型单一问题,本文提出基于多尺度底层特征和语义属性的合成素描人脸识别方法。该方法通过提取图像的全局轮廓特征及局部细节特征,并将其通过加权融合的方法对提取到的特征在分数级上进行融合,得到其对应的匹配结果。之后利用高层语义属性特征对上述的多尺度底层特征模型得到的匹配结果进行筛选,得到最终的匹配结果。该方法的创新点在于:通过提取多尺度底层特征和高层语义特征解决特征模型单一的问题。(2)针对现有算法特征模型单一、特征融合的权值确定等问题,本文提出一种基于自适应权值算法的多层次特征融合的识别算法模型。该方法通过提取人脸的轮廓特征及细节特征来表述底层特征,利用深度学习方法预训练好的模型提取人脸深度特征来表征图像的高层特征,以此解决特征模型单一的问题。之后通过提出的自适应权值方法确定各个特征的权值,并将各个特征在分数级上进行加权融合,以此解决特征融合中的权值确定问题。