为了实现跨摄像机区域的多人脸图像跟踪，提出了一种基于双三分支孪生网络（DTN）的跨摄像机跟踪网络。具体方法是应用Chinese Whisper（CW）人脸聚类算法对同一行人的人脸图像进行聚类，并根据聚类结果通过智能监控确定捕获的目标人脸。通过改进FaceNet的网络结构和训练函数，实现了行人面部的精确跟踪。在LFW数据集上训练DTN后，通过边缘样本挖掘损失（MSML）和焦点损失难样本平衡训练，人脸识别率可以提高到99.51%。实验结果表明：通过比较同一视频监控场内人脸特征的相似性，所提网络可以通过该区域跟踪行人的人脸目标；通过摄像机间人脸特征的实时传输，实现了跨摄像机的人脸跟踪。

人脸图像优选对智能监控系统中的人脸识别有着重要的意义。针对在视频中多人脸跟踪时出现跟丢、跟错以及无法及时添加、取消跟踪器等难以处理的问题,本文提出用人脸聚类代替人脸跟踪获取同一人脸图像,并构造出一种人脸图像质量的综合评价指标来从大量的多姿态人脸图像中选出一张人脸姿态和图像质量较好的人脸图像。首先对视频中的行人进行人脸检测,然后采用残差网络提取人脸面部特征进行人脸聚类,最后定义了人脸旋转程度、人眼状态、人脸遮挡程度、人脸图像清晰度4个评价指标,并将聚类后每一类人脸图像在4个评价指标上归一化均值作为各评价指标的权重系数,从而构造出一种人脸图像质量的综合评价指标,以此进行人脸图像优选。实验结果表明,人脸聚类能够有效获取到视频中同一人的人脸图像,所构造的人脸图像质量综合评价指标能有效获取到视频中的同一人的较优人脸图像。