身份识别是信息安全学科中一个重要的研究领域。随着计算机视觉技术与机器学习技术的飞速发展,人脸识别已成为当今最可靠的身份识别技术之一,目前已被广泛应用到日常生活中。将人脸识别技术运用到视频监控系统当中,能够充分发挥视频监控系统的预警能力,对社会稳定繁荣有积极作用。然而在视频监控场景中,由于人脸姿态变化频繁与视频图像分辨率低等原因,人脸识别算法的识别精度严重下降。针对上述问题,本文提出融合姿态信息的人脸姿态校正算法与面向视频监控的多姿态人脸识别算法。本文的主要工作如下:(1)针对视频监控场景下人脸姿态变化频繁的问题,本文提出一个融合姿态信息的人脸姿态校正算法。该算法将人脸图像与对应的姿态信息一起输入至训练好的生成对抗网络中,利用生成对抗网络的生成器生成虚拟正面人脸图像,从而实现人脸图像的姿态校正。实验表明,融合姿态信息的人脸姿态校正算法不仅能够生成清晰逼真的虚拟正面人脸图像,并且能够较好地保留原始人脸图像中的特征信息。(2)针对视频监控场景下人脸识别算法识别精度下降的问题,本文提出一个面向视频监控的多姿态人脸识别算法。该算法充分利用视频监控场景下人脸姿态变化连续、平滑的特点,通过人脸追踪、人脸姿态估计以及人脸姿态校正提高多姿态人脸识别的精度。此外,该算法通过改进人脸检测方法以及使用轻量级的人脸特征提取算法,进一步提高多姿态人脸识别的速度。实验表明,面向视频监控的多姿态人脸识别算法在视频监控场景下识别准确率可达90%并对人脸姿态变化有较高的鲁棒性,能够满足视频监控系统的应用需求。(3)本文基于面向视频监控的多姿态人脸识别算法,设计并实现一个实时的多姿态人脸识别监控系统。该系统采用半同步半异步线程池作为系统的基础框架,包含6个功能模块:多路视频流解码模块、人脸检测与对齐模块、人脸姿态校正模块、人脸识别模块、数据库模块以及告警模块。系统运行结果表明,本文提出的面向视频监控的多姿态人脸识别算法达到了设计要求,实用价值较高。