现今,大多数公共设施(例如大型运输中心)仍然使用闭路电视(CCTV)和摄像头构建视频监控系统:成百上千的摄像头连接着数万的远程监控设备,而这些监控设备又需要安检人员控制。因此,安检人员需要时刻注意着视频中的人员、车辆、物品和可疑状态,从而能及时阻止罪犯及恐怖分子作案。然而,人力的监控需要大量的工作人员,这将导致高的持续性损耗；另外,由于工作的枯燥性会使人员的注意力降低,这将使监控的可靠性受到质疑。在既定的空间和区域中,生物特征识别技术被认为是一种有效的手段去认证和辨认人员的身份。尤其是,当人脸识别系统结合了CCTV监控视频后,它会提供一种有效准确的方式去识别潜在的罪犯和恐怖分子。　　 大多数现有的人脸识别算法对于静态人脸图像具有很好的识别效果,但是对于视频中的人脸,识别能力就很差。不同于基于静态图像的人脸识别,基于视频的人脸识别存在许多非约束条件,例如变化的光照、变化的人脸姿态、变化的表情、低分辨率和遮挡等,尤其是光照与姿态的影响最大。本文主要的研究工作可以分为两部分:　　 (1)可变光照下视频人脸识别的研究　　 光照变化是影响人脸识别性能的一个关键因素,尤其是基于视频的人脸识别。本文针对该问题主要有以下两点创新:(ⅰ)本文提出一种新颖的算法用于对光照方向进行分类,从而能够有针对性的对非均匀光照进行补偿,使其达到均匀状态。光照方向图和最佳平面拟合被提出用于估计光照方向。实验结果表明,在几个公共的数据库上,与其它有代表性的的算法进行比较,本文提出的算法能够达到一个较为满意的效果。(ⅱ)光照补偿可能会使人脸图像质量下降,这会导致识别性能的降低,本文设计了一种基于光照的图像质量融合规则,它用于弥补图像质量下降对于识别所造成的影响。受到人的认知过程的启发,并结合视频序列的特点,本文提出的规则融合了每一视频帧的识别结果,从而得到一个最优值。实验结果表明,提出的质量融合策略对于光照补偿是一种有效的辅助,因此,在具有光照变化的视频人脸数据库中,它能达到一个令人满意的识别效果。　　 (2)可变姿态下视频人脸识别的研究　　 姿态变化也是影响基于视频的人脸识别性能的一个重要因素。另外,相对于基于静态图像的人脸识别,基于视频的人脸识别需要更高的实时性。本文提出了一种新颖的实时的人脸识别系统,它具有很好的姿态鲁棒性,并有效的利用并结合了3D人脸形状和2D正面人脸纹理信息。其中,3D人脸形状是由视频中人脸的动态变化重构的；而2D正面人脸纹理是由视频序列中最接近正面人脸的图像映射得到的。进而,基于此“3D+2D人脸信息”的级联识别策略被提出。最后,本文创建了一个仅包含非正面人脸的视频数据库,该数据库是在实际场景中采集的,共历时2个多月的时间。基于该数据库的实验评估表明,本文提出的人脸识别系统具有很高的识别率和实时性能。另外,在一些公共数据库(例如:VidTIMIT视频人脸数据库、XM2VTS人脸数据库和NRC-ⅡT视频人脸数据库)中,该系统也达到了较高的性能。