作為社會治安防控實戰部門的各級公安機關，根據需要建立起了一張基本覆蓋社會治安復雜區域和重要場所的視頻監控網，雖然不同類別攝像頭的數量在迅速增加，但這些攝像頭在事前防范上仍然沒有發揮足夠的作用。比如，利用現有的視頻監控系統獲取的人臉圖像，由于圖像分辨率低、光照不均勻，無法滿足基于人臉識別的身份鑒別技術的需要。因此，構建基于人臉識別的智能監控系統，不僅在**追蹤、身份識別、出入境管理、重要場所或系統身份驗證等方面能夠廣泛應用，而且在重點場所和人員密集區域對人員流量監控方面也有很大的應用潛力。
然而，作為人臉識別應用單位，人臉識別在具體應用過程中的干擾因素之多，不僅影響了人臉檢測(人臉圖像預處理)直接影響了人臉識別的準確度。特別是自然光照對系統的影響，尤為突出。為此我們邀請了相關專家和技術人員，首先對可利用人臉識別技術的視頻監控場景進行了調研，同時對部分攝像機進行了實驗性的調整。針對人臉光照問題，提出了基于雙樹復小波多尺度和多方向的人臉邊緣特征提取方法，在利用雙樹復小波去噪模型提取光照不變的人臉特征的同時，將人臉特征和邊緣信息結合，構造出增強型的人臉特征圖，以此作為人臉的光照不變描述特征。在光照變化條件下的人臉不變特征提取方面有效融合了基于迭代稀疏表達的非對齊魯棒的人臉超分辨率方法，克服了對齊不準情況下的人臉圖像超分辨率問題。
在對于視頻監控系統人臉圖像的模糊問題，我們有針對性地進行識別算法的優化，從模糊的人臉圖像中提取緊湊、描述能力強的抗模糊特征。這種特征在環境比較復雜的真實數據上仍然對模糊圖像有較好的識別準確率，該方法對模糊圖像識別的準確率也有明顯的優勢。
通過不斷摸索與實踐，并且在多種場景進行了多次試用，根據實際使用及數據分析發現，能有效解決動態視頻圖像中存在的捕獲人像兩眼像素過小、動態模糊、光照不連續及逆光/側光等不利因素帶來的干擾。在不改變圖像質量評價標準的情況下，可有效利用的、能用于人臉識別的圖像數量從46.8%上升至61.9%。以二代*照片作為數據庫模板，庫容量為1萬人，與原有系統相比，平均誤識率由1.72%下降至0.75%，而平均準確率則上升了5.4%，效果明顯。
通過上述實踐，說明該技術對于改善視頻監控環境下分辨率過低或光照光照變化劇烈情況下人臉識別的準確率有顯著促進作用，能夠明顯提升人臉識別系統對非可控視頻監控環境的適應性，為人臉識別技術更深入更全面服務公安行內各警種提供強有力的技術支撐。
