智能视频监控是计算机视觉领域最近几年发展起来的热点研究方向和应用方向,人脸识别是指利用人脸视觉特征信息分析比较后进行身份鉴别的计算机技术,人脸识别技术属于生物特征识别范畴,最近几年一直都是一项热门的研究领域。智能视频监控中的人脸识别技术就是把人脸识别应用到智能视频监控系统中,构建实时自动的人脸识别系统。基于智能视频监控下的人脸识别由于受到光照、噪声以及人脸多姿态性等干扰,实现起来比静态人脸识别困难得多,解决智能视频监控系统给人脸识别带来的干扰具有很大的应用价值,也是本文的研究重点之所在。本论文针对基于嵌入式的智能视频监控系统中的特殊情况进行人脸识别技术的研究,主要内容为：1.对智能视频监控中获取的图像存在的质量问题进行了分析,综合考虑算法的效果和复杂度,最终对人脸图像进行了基于直方图均衡化的灰度调整、基于中值滤波的噪声消除以及基于最近邻插值或者双线性插值的尺寸归一化等预处理措施,通过实验证明处理效果比较理想,为人脸识别打好了基础。2.从嵌入式平台对算法要求复杂度较低的特点出发,对传统的LBP算法进行了研究和改进,提出了基于统计线性的LBP人脸识别算法(statistical Local Line Binary Pattern, SLLBP),通过实验验证了算法的识别精度和识别速度能够满足嵌入式系统要求。3.通过对智能视频监控系统中人脸尺寸缩放对识别率影响的研究,提出了根据人脸尺寸大小建立多级人脸库的办法；通过人脸姿态多样性对识别率影响的研究,提出了人脸样本采集时应该采集尽量多的具有代表性的姿态样本的办法；利用了智能视频监控系统中图像序列信息解决了一部分人脸误检和样本姿态不全的问题。实验表明以上这些措施能够提高算法的精度和鲁棒性。4.搭建了最终的人脸识别系统仿真软件平台,对系统性能进行了测试,证明整个系统识别率比较高,鲁棒性也比较好。