1、生物識別技術(shù)利用人體固有特征進(jìn)行識別和鑒定，在安全性、保密性和便利性等方面都優(yōu)于傳統(tǒng)的身份識別方法。人臉識別因其具有非侵犯性、易于獲取和操作隱蔽等特點成為生物識別中的熱門課題，在考勤、安防、刑偵等領(lǐng)域都得到了廣泛的應(yīng)用。當(dāng)采集到的人臉處于約束狀態(tài)時，現(xiàn)有算法已經(jīng)可以取得較好的識別效果。但在監(jiān)控設(shè)備所獲取的視頻中，被采集的人臉圖像大多處于非約束狀態(tài)，從而帶來的小尺寸和低質(zhì)量問題會降低系統(tǒng)的識別性能，相關(guān)人臉圖像的識別被稱為低分辨率人臉識別

2、。本文針對監(jiān)控視頻中的低分辨率人臉識別問題，對人臉超分辨率重建、分辨率穩(wěn)健特征提取、分類器模型訓(xùn)練等步驟進(jìn)行了研究，主要工作如下:
　　(1)典型的基于稀疏編碼的人臉幻想算法可以獲得很好的重建效果，但是在字典訓(xùn)練階段具有較高的復(fù)雜度。為了在降低訓(xùn)練復(fù)雜度的同時得到一個更有針對性的字典，本文利用K-means++算法對圖像塊進(jìn)行字典訓(xùn)練，然后通過最小角回歸(LARS)算法計算相應(yīng)的稀疏系數(shù)進(jìn)而得到“幻想人臉”。實驗證明，在監(jiān)控視頻中

3、人臉圖像尺寸不規(guī)律的情況下，本文算法能夠有效降低字典訓(xùn)練復(fù)雜度，重建一個細(xì)節(jié)信息更加豐富的高分辨率人臉圖像。
　　(2)傳統(tǒng)的特征提取方法在不同分辨率下的穩(wěn)健性較差，為了提高人臉特征算子在低分辨率下的描述能力，本文提出了一種多尺度分塊中心對稱局部二值模式(CS-LBP)和加權(quán)主成分分析(PCA)融合的特征提取方法。通過CS-LBP算子提取人臉圖像的局部紋理特征，通過PCA算法對高維特征進(jìn)行降維，可以得到一個分類能力更強、維數(shù)更低的

4、特征。實驗結(jié)果證明，在人臉圖像分辨率降低時，本文算法所得的識別率沒有顯著下降，同時能夠減少存儲空間和識別時間，滿足實際應(yīng)用的要求。
　　(3)由于最近鄰分類器容易受到人臉特征中孤立點的影響并且需要逐個匹配，因此本文對極限學(xué)習(xí)機(ELM)進(jìn)行了研究，通過改變隱含層神經(jīng)元的個數(shù)訓(xùn)練不同的分類模型，實現(xiàn)對低分辨率人臉圖像的匹配識別。在進(jìn)一步的實驗過程中，本文針對實驗室的監(jiān)控攝像頭搭建了一個系統(tǒng)平臺，通過對平臺的操作可以實現(xiàn)對實驗室人員的