人脸识别技术因其直接、方便、友好等优点，一直是模式识别领域研究的热点问题，在众多的应用领域，如身份识别、监控、安全等有着巨大的应用前景。目前人脸识别研究成熟的技术场景大多是基于近距离、正面的。随着视频监控领域对监控图像需求的增长，以及监控范围的扩大的需求，远距离的人脸识别技术渐渐成为前沿研究方向。远距离的条件下，被监控的人远离监控摄像头，目标人物图像的分辨率低，其细节不易分辨，并且由于被监控人的不配合性以及监控摄像机的拍摄角度，一般很难获得正面人脸，因此有必要在识别前对人脸图像进行再建。针对此类问题，本文对远距离条件下的人脸检测识别方法和重建技术进行深入的研究。基于对传统人脸重建与识别的研究，提出一个改进重建识别算法，并实现了低分辨率人脸重建与识别系统。本文搭建的低分辨率人脸重建与识别系统主要由超分辨率重建、人脸的检测定位和分类识别三个关键模块组成，本文也是从这三个角度对相关的算法进行研究以及改进。人脸检测模块，研究经典的主动形状模型(ASM)方法，在分析ASM模型性能的之后，引入Adaboost思想来改善ASM方法初始定位的精确性，提高了人脸检测速度。分类辨别模块，在深入研究PCA和LDA算法的优缺点基础上，融合两种方法的优势，消除了传统方法存在的矩阵奇异的问题。超分辨率重建部分，在局部的自适应正则化方法的高分辨率空间中，引入一个新的数据约束标准来执行误差估计。经过视觉质量实验和识别性能比较实验证明，本文选用对低分辨率图像先进行恢复，再使用检测识别方法对恢复后的图像进行分类识别的方法能很好的提高识别性能。