本文研究了数字视频监视系统中自动实现人脸检测和识别的技术。由于在身份鉴别、人机交互、图像检索和视觉监控等领域有着巨大的应用前景,人脸识别技术成为计算机视觉、模式识别等研究领域中一个很受关注的研究热点。但是,由于人脸模式错综复杂、易受干扰,所以现有的人脸检测和识别方法普遍存在计算量大、速度慢、鲁棒性差的弱点。本文在对已有方法的分析基础上,针对数字视频监视系统的实时性和光照环境的随机性,提出了以下一些改进的方法,并且获得了一些有价值的实验结论: (1)对物体运动检测的方法做了研究,提出了一种对时间差分图像进行局部统计滤波的方法。相比其它常用方法,该方法具有速度快、去噪效果好的优点,更适合提取序列图像中的运动主体。(2)分析了肤色分割常用的颜色空间和肤色模型。提出了一种基于邻域校正高光区域肤色的方法,使用该方法可以解决在肤色分割时,由于光照强度过高,导致皮肤漏检的问题。(3)根据几何特征和灰度特征实现了人脸特征快速定位。(4)对人脸识别阶段的模式进行改进。用折叠脸取代完整人脸作为人脸识别的模式,再使用主成分分析和线性判别分析相结合的方法进行识别。实验证明,引入折叠脸模式后,不仅可以大幅度提高系统的识别速度,还可以提高系统对光照的鲁棒性,从而提高识别率。