随着机器学习领域的发展,生物特征识别技术也迅猛发展。近年来,人耳作为一种生物特征,由于其具有稳定性、非侵入性的捕捉过程,无表情的图像,以及个体之间在特征上的显著差异,使得人耳逐渐引起相关研究人员的关注和重视。但是目前大多数人耳识别的课题研究工作都是在静态人耳图像上进行的,也没有公开的动态人耳数据库,因此建立动态人耳数据库、实现动态人耳识别是人耳课题中的一个重要研究方向,对生物特征识别技术的发展具有重要意义。本文对基于深度学习的动态人耳识别方法进行研究,主要研究内容包括:（1）针对目前没有公开的动态人耳数据库,为了更好的进行动态人耳识别方法的研究,构建了CCU-DE小样本人耳数据库。该数据库充分考虑了人耳图像的各种复杂情况和姿态变化,如平移角度、旋转角度、光照变化、遮挡和干扰等因素的影响,使动态人耳识别研究更接近于复杂的实际情况,增加人耳动态识别的应用性。（2）构建了基于深度学习的YOLO＿v3动态人耳识别模型,该模型采用迁移学习方法进行预训练,在CCU-DE小样本人耳数据库中,分别针对不同对比度、平移和旋转运动下的多姿态变化和有无遮挡等情况进行了仿真研究,仿真结果表明该模型能够在多姿态变化、干扰、遮挡等复杂情况下,很好的进行动态人耳识别,从而验证了动态人耳识别的可行性、有效性和鲁棒性。对人耳识别领域以及其他生物特征识别领域的研究具有重要的参考和借鉴价值。