本项目实现自然视觉监控环境下单/多人的人脸检测、跟踪及识别。系统能实现单样本条件下，完成视频中所出现人物的身份判别，能应对自然监控环境下的光照、姿态、表情变化及面部遮挡物的改变。目前，系统识别精度在千人库小规模测试中达到95%以上，识别速度为25帧/秒。系统主要特点在于：(1) 不同环境下的人脸特征点标记：以主动外观模型为基础，初始化后经过一组级联回归器的数次迭代来优化标记点，最终得到足够精度的标记点。方法能适应多姿态、多表情以及多种光照等自然环境下的人脸。(2) 高效的有效人脸检测、跟踪及确认机制：在监控视频中，人脸在某些帧会出现模糊、严重遮挡而使得脸部特征严重缺失，此时所捕捉到的人脸已不适合进行识别。为此，通过建立高效的模糊及遮挡判别机制，自动抛弃原始检测到的非人脸和非正常人脸，完成非连续帧多个人脸的有效跟踪。(3) 鲁棒且具有区分度的人脸特征提取机制：考虑到校正后的人脸仍然与原始样本人脸存在差距，从多个尺度从校正后的归一化人脸中提取不变性特征，能适应多种环境改变，同时设计特征投影空间，进一步加强样本区分度。(4) 高速有效的识别确认机制：为提高识别的准确性，建立视频识别序列中正确识别确认机制，通过voting方式，删除序列中的误识别，保留正确识别结果。  

试生产阶段。

应用于非控环境下基于视频的人脸识别系统行业领域。

面议。