Reconhecimento facial em vídeo é uma tarefa desafiante da Visão Computacional. Neste trabalho, propomos um método de reconhecimento facial em sequências de vídeo aplicando aumento de dados e utilizando transferência de aprendizado com CNN. O foco principal do trabalho é analizar o poder do aumento de dados em melhorar a acurácia do sistema. Dessa forma, foi criado uma base de dados original com imagens de 12 indivíduos e foram aplicadas várias transformações nas imagens originais para gerar outras 57 base de dados diferentes e avaliar quais produzem melhores resultados. Além da base original, também foram feitos experimentos com a base LFW. Os experimentos mostraram que o classificador KNN treinado com a base criada utilizando as operações Brilho, Borramento, Rotação e Saturação combinadas apresentaram o melhor resultado dentre todos os experimentos com acurácia de 96.71%. Para a base LFW o melhor resultado encontrado foi acurácia de 95.09%.