人脸识别技术是利用人脸固有的特征进行身份验证,它不同于现在所使用的身份证,它能够极大程度提高验证的安全性,降低伪造与窃取的可能性。最重要的是,它是非接触式识别、主动性强。人脸目标检测与人脸目标识别组成了人脸识别的基本框架,其中人脸目标检测是人脸目标识别的基石。本文研究的对象是基于视频图像的人脸目标检测与识别,整个研究课题由以下三部分组成：(1)人脸目标检测。本文提出一种基于肤色和改进的Gentle Adaboost算法的人脸目标检测方法,该方法首先对输入视频帧进行图像预处理；然后在YCrCb颜色空间中,分割出肤色候选区域；接着利用人脸生物几何特征排除一些非人脸区域；最后采用级联结构的基于Haar-like特征的改进的Gentle Adaboost算法对候选人脸进行最终检测。实验结果表明,该组合检测方法提升了检测的速度与质量,有效的减少了相对于单一检测方式的误检率,而且它对于背景较复杂的帧检测效率也较好。(2)人脸目标跟踪。本文提出在人脸目标检测的结果上结合卡尔曼滤波器和Camshift算法来对动态人脸目标进行实时跟踪。(3)人脸目标识别。本文提出一种利用离散小波变换对视频帧图像进行压缩降维,2DPCA方法进行特征提取,SVM分类的人脸目标识别方法。实验结果表明,该组合方法能有效识别人脸和提高人脸识别率。基于研究理论,本文在VC6.0和OpenCV的软件开发平台上构建了一个人脸检测与识别系统,在系统上对输入的动态视频进行了测试,测试结果显示,人脸检测率达到96%,在ORL人脸数据库中人脸识别率达到96.7%。