在识别中，监视目标人识别是最难的，主要原因在于非主动性的识别方式和场景的差异性，姿态、光照以及年龄、人脸分辨率等方面的变化严重地影响了人脸识别率。许多研究单位一直在研究如何将人脸识别技术应用到监控中。在当前的条件下，首先应该考虑的仍然是拍摄到好的人脸图像。除算法方面的努力外，从系统应用本身来看，主要需要解决如下的问题：系统结构问题、人脸分辨率问题、姿态问题、光照问题和年龄问题。
监控系统是一个大型系统，如何在现有系统中插入人脸识别，这是一个系统结构问题。例如一个监控群有100个监控点，有两种方案可供选择：每一个监控点都进行人脸识别或者选择性地对监控点进行人脸识别。在条件允许的情况下，可另外设置一个电视墙用来显示人脸识别的结果，可同时显示报警通道号、报警时间等日志信息，也可显示监控的当前目标人和数据库对应的目标人图像。
在大型监控群里选用每一个监控点都进行人脸识别的方案，需要增添更多的设备，改变当前的监控结构，或增添专用硬件。
在监视目标人识别的应用中，应用了人脸分辨率的概念。人脸检测技术可以检测到人脸分辨率低的人脸，但现在的人脸识别技术对人脸分辨率却有一定的要求，是指两眼的距离为75像素，满足这一条件的人脸图像尺寸约为180(宽)x240(高)。而在实际监控中，不管是标清还是高清，大量获得的是人脸分辨率低的人脸图像。通过采用综合人脸检测、人脸分辨率检测和自动变焦的技术方案，可以获得满足人脸识别需要的人脸分辨率高的图像。通常所提到的最佳二维人脸，其中包括最佳姿态、最佳人脸分辨率等概念，采用这种方案需要在系统软件上增添自动变焦功能。
另一种方案则采用一些其它的新技术，包括应用专用硬件，来获得满足人脸识别需要的分辨率高的人脸图像。
姿态问题是监视目标人识别非常棘手的问题。主要是在姿态判别模快进行姿态的判别，云台的调整也是为了获得更好的拍摄角度。如果当前人脸的水平转动角、俯仰角在某一范围之内，则可直接进行人脸识别;如果在特定范围之外，可以采用人脸形成技术，形成正面人脸图像，继而进行人脸识别。人脸形成算法的复杂度较高，要考虑运行速度问题。当然，也可以安装多部摄像机来拍摄一个人，通过选优的方法选取最好姿态的人脸图像。
同时，在正面人脸形成的方法中，有单摄像机和多摄像机的区别。一般来说，多摄像机的信息多于单摄像机的信息，由此形成的正面人脸的效果要优于单摄像机的效果，但代价较高(包括摄像数量、合成算法的复杂度等)。
光照问题是监视目标人识别的又一个难点。人脸光照是指外界光源照射在人脸上，经人脸表面反射后传播到感光器材上的光线强度。实际采集图像时的光照条件千变万化，不同的光照条件如偏光、测光、高光所导致的人脸图像过亮、过暗、阴阳脸等都会使人脸检测和识别的性能大幅度下降。
光照的估计和分类可以依据水平和俯仰角度等要素来进行。有条件的场所应对光照进行控制，也尽量将全天候的露天环境改造为室内环境并适当采用补光的措施。当然，采用近红外的光照可以减弱环境光的影响。
要将当前人的人脸和他十年前的人脸进行识别，其难度是很大的。采用年龄估计与年龄模拟的方法，可以在一定程度上改善识别效果。
在实际应用中，常采用数据即时更新的方法，把身份确认后的当前采集的人脸图像替代以前存储的人脸图像，以减少年龄变化带来的不利影响。
应该注意的是，当前用于监视目标人识别的人脸识别技术亟待发展，技术水平也还有待于进一步提升，具有很大的发展空间。
我们专注于智能化电子政务自助设备和智慧城市政务类智能解决方案的研发与推广，在便民自助服务、自助交易、智能识别等领域内成功推出了一系列具有自主知识产权的产品与方案，并成功投放市场，不断树立了新的体验标杆。
