当下国际局势不稳定,各国越来越重视安防问题。2016年9月,中国举办的G20峰会称之为“史上最严G20峰会”,特别采用了人脸识别技术对重点区域做了安防布控,来保障会议顺利进行。日常生活中,人们也越来越重视安全问题,摄像头遍及大街小巷,公安机关打造“天网监控系统”,为城市的治安做出强有力保障。智能化时代的到来,传统的人工手动处理监控视频的模式很难适应现在的需求,人们正在逐步实现真正的智能监控系统。本文搭建了一个跨摄像头人脸检测与识别系统,该系统实现了对不同摄像头中出现的相同人脸进行检测与识别,并且对动态的人脸进行跟踪。系统主要包含三大部分:独立摄像头的人脸检测部分、独立摄像头的人脸跟踪部分和跨摄像头的人脸识别部分。文章重点对系统中算法的改进做了研究。在独立摄像头人脸检测部分,采用了逐步缩小检测范围以达到最终检测的思路,第一步对出现的目标进行运动检测,检测出人体区域,第二步通过人体的肤色特征作为检测依据进一步定位出人体的肤色区域。第三步用AdaBoost算法实现对人脸的检测,通过这样的人脸检测方法不但提升了正检率,而且有效降低了漏检率;在独立摄像头人脸跟踪部分,优化了CamShift算法对人脸的实时跟踪,在算法中加入了Kalman预测机制,改善了被遮挡目标的跟踪效果。通过实验表明二者相结合可以更准确的对目标进行跟踪;在跨摄像头目标识别部分,本文采用了Gabor小波和PCA相融合的方法来完成对人脸图像的识别任务,这种算法首先利用Gabor滤波器提取跟踪到的人脸图像的特征,虽然Gabor算法可以很好地提取到有效的人脸特征信息,却导致结果产生了很多冗余特征,大大增加了计算量。PCA算法能有效的对数据进行降维,二者相结合,可实现有效提取人脸图像特征而且能对特征数据进行降维,降低计算量。本文所搭建的跨摄像头人脸检测与识别系统,用于复杂情景下获取人脸信息并在其他摄像头上完成人脸的识别。完成了在不同区域动态背景下对人脸的检测、跟踪和识别的功能。经过系统功能测试,实验结果表明本文搭建的跨摄像头人脸检测与识别系统功能完整,准确率高,实时性好,能够满足系统的要求。