为提高复杂框架结构损伤识别的准确率，提出了一种基于多通道马尔可夫变迁场（multi-channel Markov transition field， 简称MCMTF）和卷积神经网络（convolutional neural network， 简称CNN）的框架结构损伤识别方法。首先，采用MCMTF理论将原始一维振动信号转换为二维图像，实现数据升维和多通道数据融合；其次，以MCMTF转换后的图像数据集作为输入训练CNN模型；最后，经调参优化自动提取损伤敏感特征，并实现损伤识别。将该方法应用于IASC-ASCE Benchmark框架结构数值模型及3层钢框架结构模型试验，对比研究了多通道MTF、单通道MTF和原始数据矩阵3种数据输入方式，CNN、长短时记忆（long short term memory，简称LSTM）神经网络和深度神经网络（deep neural network，简称DNN）3种网络模型，以及噪声对框架结构损伤识别准确率的影响。结果表明：MCMTF与CNN结合方法的损伤识别准确率最优且具有良好的鲁棒性，其对Benchmark框架数值模型模拟损伤的识别准确率可达94.4%，对3层钢框架试验模型实际损伤的识别准确率可达98.4%。