要将训练好的卷积神经网络模型用于人脸识别，您可以按照以下步骤进行操作：
准备数据集：首先，您需要准备一个包含已知人脸图像和对应标签的数据库。这个数据库用于训练模型时的标记和比较。
加载模型：使用MATLAB提供的相关函数，如load函数，加载训练好的模型文件。确保您已经保存了训练好的模型。
预处理图像：在进行人脸识别之前，您需要对输入图像进行预处理。这包括图像的缩放、归一化、灰度化等操作，以便与训练时的图像数据相匹配。
图像特征提取：通过加载模型，您可以使用模型的前向传播函数对输入图像进行特征提取。这些特征可以是模型的中间层输出或最后一层的激活值。
特征匹配和识别：将提取到的图像特征与数据库中的特征进行匹配。可以使用一些算法或技术来计算特征之间的相似度或距离，比如欧几里得距离或余弦相似度。根据匹配结果，判断输入图像所属的人脸身份。
请注意，这只是一个大致的步骤，实际的实现可能会因所使用的模型和库而有所不同。此外，人脸识别是一个复杂的任务，涉及到许多技术和算法，如人脸检测、对齐、特征提取、人脸数据库管理等。因此，在实际应用中，您可能需要综合考虑多个因素来提高识别准确性和性能。