本文针对目前视频人脸识别不理想，在视频人脸检测、人脸特征提取、人脸识别等方面做了一些尝试工作。针对视频序列的特点，提出了融合背景差分和肤色分割的人脸检测方法。采用背景差分法提取运动区域，基于YCbCr和HSV色彩空间融合的肤色分割方法检测人脸区域。根据人脸几何特征，提出用空洞检测检验是否为人脸区域。实验表明，该方法对人脸大小、形状、位置、姿态和表情不敏感，人脸检测率高且稳定。 针对双边二维PCA方法的不足，提出了基于非迭代方法实现B2DPCA的非迭代双边2DPCA方法。同时，针对核Fisher鉴别分析算法训练和识别时间长的缺点，在进行非线性映射之前，利用NIB2DPCA进行降维。提出基于KFDA的非迭代双边二维PCA人脸识别。通过基于ORL，Yale和UMIST不同人脸库的实验对比，表明所提方法在保持识别性能前提下，训练速度和识别速度均有不同程度的提高，验证所提方法的有效性和鲁棒性。 针对二维人脸识别存在不可逾越的瓶颈，即对姿态变化敏感，提出了融合三维信息的人脸识别方法，以提高姿态变化下的人脸识别率。提出了基于三维人脸模型实现二维图像的姿态校正。首先利用几何特征和统计特征估计人脸姿态旋转角度，然后基于三维标准模型，通过模型匹配、纹理映射和旋转等，得到相对正面二维图像。通过实验证明，所提算法可以对多数偏转角度图像进行姿态校正，且人脸识别率有所提高。 结合所提人脸检测、特征提取、姿态校正和人脸识别算法，构建一个视频人脸识别软件系统。