本文围绕非约束条件下生物特征身份识别系统中的低分辨率视频或静态图像下人脸识别问题开展研究工作，对其中的若干关键技术进行了较深入的研究和测试。具体内容包括：低分辨率人脸校准算法设计、低分辨率人脸重建算法设计和多平台通用人脸检测识别模块的设计与实现。　　 在算法设计方面，由于现有大多数人脸识别算法对于静态高分辨率人脸图像具有很好的识别效果，但是对于低分辨率视频或静态图像中的人脸识别能力比较差，本文专门针对此问题设计了低分辨率人脸校准算法和低分辨率人脸重建算法。传统的人脸校准算法由于没有考虑到低分辨率的限制一般通过对齐人脸局部特征的方法进行校准，如人眼校准，但在低分辨率条件下，这些特征很难被检测得到，所以本文提出采用一种非监督特征点级的图像校准法，对从检测器中获取的粗略对齐的人脸图像进行进一步校准对齐，之后，本文采用了广泛应用于卫星遥感图像重建的超分辨率算法，对现有的低分辨率人脸进行放大和修复。经过初步对比实验发现，基于贝叶斯框架的超分辨率算法性能优于插值法以及最大似然超分辨率重建等多种算法，因此，本文重点对最大后验超分辨率重建算法进行了研究和测试，确定模型需要的各项参数。实验结果表明固定参数之后的最大后验超分辨率重建算法对BioLab214视频数据库中的人脸图像生成较好的重建效果。　　 在系统设计与实现方面，多平台通用人脸检测识别模块设计是为了适应不同场合的需求，对识别系统中的人脸检测、人脸追踪和人脸识别等使用C/C++实现的计算密集型模块进行合理的封装，使之在系统允许的时间范围内在多种平台下，如WinCE系统或J2EE平台，完成跨平台的功能渊用。在这方面，本文重点研究了采用P/Invoke和JNI这两种比较有代表性的平台调用技术，实现.NET和Java平台下人脸检测功能的主要过程，并定量地分析对比不同平台下模块移植对系统运行效率的影响。实验结果表明多平台通用模块达到了实时检测人脸的处理速度，可以直接集成到实际的视频监控系统中。　　 上述研究结果不仅对非约束条件下的人脸识别系统的研制有比较重要的参考价值，而且对其它视频系统的优化使用也有一定的实用参考价值。这些技术可直接应用于实际的智能视频监控系统中，为我国安全防范工作进一步提供有效准确的身份识别方法。