얼굴인식을 보다 정확하게 하기 위해 정교한 전처리 과정이 필요하다. 전처리 과정으로는 기존의 LBP(Local Binary Pattern)보다 조명, 표정, 배경 등과 같은 외부영향에 강인한 LGP(Local Gradient Pattern) 기반으로 한다. LGP를 기반으로 한 알고리즘에 얼굴 특징을 보다 잘 찾을 수 있도록 기울기(Gradient), 방향(Orientations), 밝기(Intensity), 가장자리(Edge)를 기반으로 하는 다중특징 채널과 Uniform 특징을 사용하고, 복잡한 패턴을 줄여 속도를 향상시켜주는 Symmetry 특징을 사용한다. 이러한 전처리 과정을 통하여 검출한 특징들을 해마구조를 적용시킨 CNN(Convolution Neural Network)에 학습 후 보다 정확한 얼굴 검출에 사용하는 알고리즘을 제안한다. 제안하는 알고리즘의 성능 평가를 위해 Yale 얼굴 데이터베이스, BioID 얼굴 데이터베이스, MU+MIT 데이터베이스를 사용하였고 실험 결과를 통해 기존의 알고리즘보다 3~9% 개선되었음을 보여준다.A precise preprocessing process is required for more accurate face recognition. The preprocessing process is based on LGP(Local Gradient Pattern), which is robust against external influences such as illumination, facial expression, and background, rather than the existing LBP(Local Binary Pattern). We use uniform features and multi-feature channel based on Gradient, Orientations, Intensity, and Edge to better locate facial features in LGP-based algorithms. Symmetry features are used to speed up complex patterns by reducing them. In this paper, we propose an algorithm that uses CNN (Convolution Neural Network) applied hippocampal structure for more accurate face Detection. We used Yale face data base, BioID face data base, and MU + MIT date base to evaluate the performance of the proposed algorithm. Experimental results show that the algorithm is improved by 3 ~ 9%.