随着社会的发展,人们在公共安全方面投入了大量的人力物力,建立了各种各样的监控体系,但是这些监控体系需要专职监控人员值守,目标特征识别依靠人力进行,智能程度不足。因此,如何在实时监控中自动获取人脸信息并进一步获取人脸属性信息成为当前研究热点。本文结合实际监控中人物面部特征检测的需要,从人脸的胡须及帽子特征入手,提出了两种检测方法。一种方法基于传统特征,从人脸图片中提取局部二值特征与Gabor特征,输入支持向量机进行训练。该模型检测胡须及帽子特征的准确率在65%左右。另一种算法基于卷积神经网络,将人脸图片归一化后输入网络模型,同时利用GPU加速训练。实验结果表明基于卷积神经网络的模型在检测胡须及帽子特征时精度均达到90%以上,远超传统模型,效果极佳。基于卷积神经网络模型的实验结果,本文将其接入实时监控进行实际测试。利用人脸检测算法从实时监控视频中提取出可能的人脸图片,对齐并归一化后输入卷积神经网络模型进行检测。结果表明在实际场景中,卷积神经网络模型对于胡须特征的判断可以达到80%的准确率,对于帽子特征达到93%,能够理想的在实际场景中进行应用。