当前,基于人物脸部图像特征的识别技术(简称人脸识别),因其具有的自然性,无感知性等特点而越来越受到业界的关注。受控条件下的人脸识别技术已经达到了实用的水平,很多性能优良的人脸识别产品不断涌现。然而,伴随着互联网技术的发展和平安城市建设的深入,人脸识别技术的应用场景不断扩展,如何在自然条件下获得满足市场应用要求的人脸识别算法是目前研究的重点和难点问题。本文针对网吧真实场景构建了一个基于网吧视频监控系统,提供视频人脸图片实时采集和检索的人脸检索系统。在已有人脸采集和检索方法的基础上,根据不同情景,探索性能优良的人脸特征抽取和检索算法。其主要工作内容如下：1.在样本稀疏条件下,提出了一种多特征融合的人脸特征抽取算法。系统部署初期,人脸采集系统能够获取的人脸图片较少,当下比较常用的基于深度学习的特征抽取方法由于训练样本数量不能满足要求而效果不佳。而传统的人工设计特征虽然在某一个方面能够取得较好的性能,但是在现实场景下缺乏普遍适用性。找到一种多特征融合的人脸特征抽取算法,成为解决此类问题的途径之一。基于这一点,本文提出了一种多特征融合的人脸特征抽取方法。实验表明,该方法在稀疏样本集条件下比单个特征检索在现实场景下的准确率有了较为显著的提升。2.在样本稠密条件下,提出了一种带相关反馈的基于深度神经网络模型的人脸检索方法。随着系统部署时间的推移,能够用来训练的样本数量不断增加,如何充分有效地利用这些样本,进一步提高人脸检索系统的准确率和鲁棒性，成为值得研究的又一问题。本文利用大量的样本训练卷积神经网络和哈希检索函数完成人脸特征的抽取和哈希码的生成,并利用用户对检索结果的反馈信息训练反馈模块,优化检索性能。实验表明,在样本稠密条件下该方法具有相对其它方法更为优秀的检索性能,同时由于反馈环节的存在该方法会随着检索的进行而越来越智能。3.结合已有的人脸检测算法,将上述人脸特征抽取和检索方法应用到“火眼”人脸检测与检索系统中,获取检索库中与待检索图片相似的人脸及其对应的身份信息。经过不断研究,该系统已经作为产品在合肥市公安局网监支队部署试用,具有良好的市场前景。