人臉識別，是基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。對于人臉識別的應用，依照攝像機到用戶的距離可將其分為近距離人臉識別、中距離人臉識別和遠距離人臉識別系統，遠距離人臉識別是視頻人臉識別應用中最具挑戰性的形式之一。如今，國內外針對遠距離人臉識別的研究很多。

　　近年來，國際上對人臉及人臉面部表情識別的研究逐漸成為科研熱點，很多機構都在進行這方面的研究，吸引了大量的研究人員和基金支持，其中走在前邊的主要是美國、歐洲、英國和日本等國家。在遠距離人臉研究方面，主要是采用主動視覺的方法進行設計和開發，集中用于人臉圖像采集和識別目的的自動目標選擇和攝像機控制系統，以下介紹一些主要的實現方式。

　　第一，美國喬治亞理工學院在較早前的工作中，研發了一套由一對WFOV攝像機和一對NFOV攝像機構成的主動視覺系統。該系統用于人機互動，應用范圍僅為幾米遠，但可檢測皮膚顏色，并采用三角測量法進行3D定位，并自動控制NFOV攝像機采集人臉圖像。

　　第二，西門子公司推出了一套實時雙攝像機人臉圖像采集系統，該系統采用了安裝于頭頂的全景攝像機進行目標定位，PTZ攝像機采集人臉圖像。

　　第三，卡內基梅隆大學機器人學院研發的遠距離人體識別系統(DHID)，通過遠距離拍攝視頻進行人臉和步態雙重識別。該系統采用了一個具有60°視場的WFOV攝像機，從50米外對目標進行追蹤，采集放大的視頻序列和人臉圖像分別進行步態識別和人臉識別。

　　第四，意大利熱那亞大學的Marchesotti等人采用雙攝像機系統遠距離采集人臉圖像，在WFOV視頻中采用了-blob檢測器進行人體檢測，并通過一臺NFOV攝像機采集目標人臉圖像。

　　第五，IBM公司研發了一套人臉分類器，采用了雙幾何刻度的WFOV攝像機進行人體檢測，重疊覆蓋了6米×6米的圖像采集區域，在每個WFOV攝像機視場中應用了多-blob2D追蹤器，并通過一個3D多-blob追蹤器在真實世界坐標系統中確認頭部位置。

　　第六，倫敦大學計算機科學學院開發了一種遠距離人臉圖像采集方法，該方法的目標是對人體姿勢和部分遮擋具有穩健性，該系統由一套具有135°視場的靜止WFOV攝像機和具有13°視場的NFOV攝像機組成。為了提高對部分遮擋的穩健性，系統在WFOV視場中直接檢測人臉的位置而不是整個身體的位置，人臉檢測結合了運動檢測、背景建模和皮膚檢測，然后由NFOVPTZ攝像機采集高分辨率人臉圖像。

　　第七，牛津大學主動視覺實驗室提出了用于人臉圖像采集的多攝像機主動監控系統的架構。在該架構中，人體追蹤器與每一個WFOV攝像機相連，采用了高級推理算法并通過SOL數據庫共享數據。WFOV追蹤器的人體檢測結果自動指示NFOV攝像機瞄準目標。此外，采用NFOV攝像機追蹤人臉時，在追蹤過程中采用了速度控制系統。

　　第八，通用電氣全球研發中心設計了一套基于多攝像機追蹤架構的遠距離監控的人臉圖像采集原型系統，該系統采用了4臺視場相互疊加的WFOV攝像機進行人體追蹤，追蹤面積達到300平方米，人體追蹤在現實坐標下進行，并控制4臺NFOVPTZ攝像機進行人臉圖像采集。該系統進行人群的長期監控，通過人臉識別建立追蹤目標的身份，之后系統評估個體間關系的緊密程度以掌握其社交網絡。

　　在安防行業中，生物識別一直是市場中備受關注的焦點之一，近年來保持著較高的增長率，其中人臉識別是一個活躍的研究領域，也是人類視覺最杰出的能力之一。雖然人臉識別的準確性要低于虹膜、指紋的識別，但由于它的無侵害性和對用戶最自然、最直觀的方式，使人臉識別成為最容易被接受的生物特征識別方式。

　　目前人臉識別技術不斷得到發展，該技術廣泛應用到電子護照、生物特征身份證、體育場館、銀行、公安等系統中，對安檢、奧運反恐、刑偵追逃等有重要意義。當前由于其應用日漸增多該市場份額比重在不斷增加，前景普遍被看好。而監控視頻的高清化給遠距離人臉識別提供了助力，成為安防領域新的突破點。