生物特征由于其具有唯一性而成为身份识别技术上的重要依据.人脸以便捷、安全、不可复制、可拓展等优点在众多生物特征识别技术中崭露头角,从而备受学术界和工业界关注。近些年,人脸识别研究和应用都取得了不俗的成绩,越来越多需要进行身份验证的场所部署了人脸识别技术。但现在的人脸识别技术仍存在缺陷,识别环境的变化依然是其“致命”的缺点,如光照、人脸姿态、脸部表情等的变化都对识别正确率有显著的影响,导致现在的人脸识别技术只能在特定场景下工作。为了应对更加复杂的应用场景,我们进行了资源受限条件下的人脸识别研究。我们所定义的资源受限,主要考虑了两大问题,一是输入的人脸照片分辨率很低,如图像采集设备的距离太远,采集时的光线差,或者图像存储设备的原因等,导致获取到的人脸图像质量很差。二是输入的人脸分辨过低,导致能提取到的有效人脸特征信息几乎为零,或者目标人物故意躲避摄像头导致无法采集到其人脸图像。针对低分辨的输入人脸识别问题,本文提出了基于随机抽样和局部约束的二代身份照片超分辨方法。对二代身份证照片作处理的动机来源于现在很多场景下在验证身份时都会使用身份证,但是直接获取的身份证内的人脸质量很差,分辨率很低,直接比对的效果很差。利用图像超分辨技术提高输入人脸的分辨率,增加人脸的有效特征信息,提高了人脸验证的可靠性。若输入的人脸分辨率过低,无法进行超分辨,或者监控设备完全没有采集到想要识别的人脸图像。这种情况我们称为无识别源的人脸识别。借助模拟画像,我们可以得到输入人脸的素描画像。但是画像和数据库的照片在纹理信息和特征表达上是不一样的,直接识别的正确识别率很低,达不到筛选检索的目的。所以,本文提出了基于生成对抗网络和反向投影的人脸画像合成方法,通过算法将照片和画像转换到同一特征空间,解决了异质图像识别问题。最后,在四个公共人脸数据库上进行了实验,结果证明了提出的算法的有效性,与已有的算法相比,更具优越性。基于以上的研究上,本文搭建了“智能监控人脸识别系统”,软件使用Microsoft Visual Studio 2013为开发工具,以Qt5.4为软件界面的开发框架,使用OpenCV作为在图像处理的视觉库。该软件具有三个主要功能:实时识别、人证验证和画像照片合成。分别实现正常环境下的人脸识别和资源受限条件下的人脸识别。