针对现在的大多算法在提取人脸特征时直接提取整个人脸,而忽略局部的细节特征,提出一种将人脸图像进行分块局部运用LBP算子然后与深度置信网络结合的人脸识别算法(BPBN)。首先,将人脸图像进行分块,对分块后的图像提取LBP进行统计,将生成的LBP直方图按照一定秩序组合连接成新的特征向量。其次,将得到的LBP特征作为深度置信网络(DBN)的输入,采用贪婪算法逐层进行训练,然后用反向传播(BP)算法对训练得到的深度置信网络进行优化。最后,用训练好的深度置信网络对人脸进行识别。在ORL人脸数据库上进行实验,识别率达到96.0%,然后与传统的主成分分析(PCA)算法集成支持向量机(SVM)的方法进行相比,识别率有较为显著的提升,说明该方法具有更好的人脸识别效果。