作为社会治安防控实战部门的各级公安机关，根据需要建立起了一张基本覆盖社会治安复杂区域和重要场所的视频监控网，虽然不同类别摄像头的数量在迅速增加，但这些摄像头在事前防范上仍然没有发挥足够的作用。比如，利用现有的视频监控系统获取的人脸图像，由于图像分辨率低、光照不均匀，无法满足基于人脸识别的身份鉴别技术的需要。因此，构建基于人脸识别的智能监控系统，不仅在**追踪、身份识别、出入境管理、重要场所或系统身份验证等方面能够广泛应用，而且在重点场所和人员密集区域对人员流量监控方面也有很大的应用潜力。
然而，作为人脸识别应用单位，人脸识别在具体应用过程中的干扰因素之多，不仅影响了人脸检测(人脸图像预处理)直接影响了人脸识别的准确度。特别是自然光照对系统的影响，尤为突出。为此我们邀请了相关专家和技术人员，首先对可利用人脸识别技术的视频监控场景进行了调研，同时对部分摄像机进行了实验性的调整。针对人脸光照问题，提出了基于双树复小波多尺度和多方向的人脸边缘特征提取方法，在利用双树复小波去噪模型提取光照不变的人脸特征的同时，将人脸特征和边缘信息结合，构造出增强型的人脸特征图，以此作为人脸的光照不变描述特征。在光照变化条件下的人脸不变特征提取方面有效融合了基于迭代稀疏表达的非对齐鲁棒的人脸超分辨率方法，克服了对齐不准情况下的人脸图像超分辨率问题。
在对于视频监控系统人脸图像的模糊问题，我们有针对性地进行识别算法的优化，从模糊的人脸图像中提取紧凑、描述能力强的抗模糊特征。这种特征在环境比较复杂的真实数据上仍然对模糊图像有较好的识别准确率，该方法对模糊图像识别的准确率也有明显的优势。
通过不断摸索与实践，并且在多种场景进行了多次试用，根据实际使用及数据分析发现，能有效解决动态视频图像中存在的捕获人像两眼像素过小、动态模糊、光照不连续及逆光/侧光等不利因素带来的干扰。在不改变图像质量评价标准的情况下，可有效利用的、能用于人脸识别的图像数量从46.8%上升至61.9%。以二代*照片作为数据库模板，库容量为1万人，与原有系统相比，平均误识率由1.72%下降至0.75%，而平均准确率则上升了5.4%，效果明显。
通过上述实践，说明该技术对于改善视频监控环境下分辨率过低或光照光照变化剧烈情况下人脸识别的准确率有显著促进作用，能够明显提升人脸识别系统对非可控视频监控环境的适应性，为人脸识别技术更深入更全面服务公安行内各警种提供强有力的技术支撑。
