人脸识别技术是一种基于人脸特征信息实现身份识别的生物识别技术,近年来受到大量关注,是非常热门的研究方向。目前近距离人脸识别已经发展相对成熟,许多理论方法和实际系统设备都日趋完善。但随着当前公共安全形势的日益严峻,现有的人脸识别系统由于受到图像质量,环境变化和实验对象不可控等因素的影响,大多无法满足远距离识别的要求,传统的人脸识别方法遇到了多个理论和技术瓶颈,结合现实中的监控应用场景和公共安全维护的需求,积极开展远距离人脸识别理论方法和系统技术的研究具有非常深远的意义。本文以远距离人脸识别为背景,深入分析人脸在随距离增加的过程中所受到距离、环境和光照等因素制约,确定远距离人脸识别中两个主要的关键步骤进行研究:特征提取与图像预处理,结合现在更先进的技术手段,探索更加高效的远距离人脸识别算法。本文的主要贡献如下:1.深入研究并介绍了传统的人脸识别技术的整体流程框架,以及其中每个步骤所包含的基本原理及其实现方法,如人脸检测、图像预处理、人脸配准、特征提取以及人脸匹配,并选取其中最适合本课题的技术方案与本文所提出的算法相结合,建立一套比较完整的远距离人脸识别系统,通过实验验证取得了较好的效果。2.提出了一种基于卷积神经网络的稳健特征提取。远距离人脸成像存在的分辨率降低问题,使得大部分在人脸识别系统中传统的有效特征和处理方法对远距离人脸识别中的低分辨率人脸图像处理变得失效。本文结合前沿的深度学习方法,采用卷积神经网络提取稳健的人脸图像特征,再结合SVM分类器对样本进行识别,取得了很好的实验效果。3.结合Retinex图像增强算法与引导滤波对图像进行预处理。分析室外远距离人脸图像严重退化的成因,环境中雾、霾使得图像颜色偏灰白色,清晰度变差,对比度降低,显著特征难以辨认,采用Retinex图像增强算法可显著改善,其中改进的带色彩恢复的多尺度Retinex(MSRCR)算法效果最佳。而图像中仍然存在的噪声影响,则采用引导滤波的方法来进行改善。将这两个方法相结合对图像进行预处理,可以在增强图像质量的同时,有效提升识别准确率。