随着视频监控、信息安全等领域的需要,视频下的人脸识别研究越来越受到人们的关注。国内外已经开发出很多优秀的人脸识别系统,并得到广泛的应用。本文研究的目的就是开发一套系统,对视频流中的人脸进行跟踪识别。主要工作如下:(1)在分析前人研究的基础上,概述了人脸检测跟踪以及识别技术的经典算法,并给出了各自算法的优缺点以及应用方向;(2)在人脸检测跟踪方面,本文采用基于AdaBoost的人脸检测算法,对视频流中的人脸进行检测,确定其大小和位置。在深入分析均值移动的跟踪算法的基础上,采用对其改进的CamShift跟踪算法,并将AdaBoost人脸检测算法与CamShift跟踪算法相结合,能够在视频中很好的对人脸进行检测跟踪;(3)特征提取方面,本文在基于向量的主成分分析(PCA)的基础上,分别介绍了基于图像矩阵的二维主成份分析(2DPCA)和双向二维主成分分析((2D)2PCA),并针对各不同特征向量对人脸识别的贡献率不同这一特点,提出了加权双向二维主成分分析的思想,即(W(2D)2PCA)。然后结合图像分块和局部特征融合技术,采用模糊分类决策规则,在ORL人脸库上进行了对比试验,得到了比较好的识别结果;(4)在Visual C++6.0的开发环境下,辅助OpenCV开发源库,开发基于视频流下的人脸识别系统,对实验室中的三十个人进行视频跟踪识别。实验证明本系统在视频跟踪识别上,具有很好的实时性和准确性。