进入二十一世纪以来,伴随社会的高速发展而来的是各种不安全因素,虽然视频监控系统已经大范围的应用于我们的生活中,但是采用人力在实时监控或监控视频中采集关键人的关键视频段信息却是十分耗时耗力的工作。人脸识别相较于其他生物识别技术有着非侵犯性,识别快速准确等优点,人脸识别技术飞速发展,已经取得较好的研究结果。本文设计实现了一个基于人脸识别技术的视频流截取系统,在实时监控或监控视频中使用人脸识别技术对目标人物出现的视频段进行截取,以减少靠人力去寻找视频段关键信息的消耗。本系统用于实时监控或已有的监控视频中,主要解决的问题有:(1)图像预处理问题。由于存在光照的原因,会造成视频图像质量下降,采用直方图均衡化对图像进行预处理。由于传输介质等问题,视频图像可能存在噪音问题,使用高斯滤波和中值滤波等对图像进行去噪处理,图像预处理工作可以使得后面的检测与识别模块更加准确。(2)人脸检测问题。本系统首先提取人脸的Haar特征并使用积分图的方法进行特征的计算,使用AdaBoost算法进行训练学习,通过增加分类错误样本的权重,减少分类正确样本的权重,使得最后的分类器具有较强的分类能力。再使用多分类器级联结构,即使用多个分类器,将非人脸区域在前几个分类器就剔除,可以有效提升检测效率。对网络单人,多人图片以及FDDB人脸数据库进行测试,结果显示可以满足本系统的需求。(3)人脸识别问题。本系统使用基于GBDT算法进行人脸特征点的提取,对于卷积神经网络无法训练更深网络模型的问题,采用了基于残差单元的ResNet-34网络模型计算人脸图像的特征向量,通过对比目标人物的人脸特征向量与检测的人脸的特征向量,进行人脸识别。最后实现了基于人脸识别的视频流截取系统并对系统进行了测试。本系统功能完整,界面良好,能有效的通过人脸检测模块与人脸识别模块对监控视频进行视频流的截取,具有一定的可用性。