随着多媒体技术和计算机网络技术的发展，人们接触到的视频数据以前所未有的速度增长。然而，现有的视频信息处理技术大多数是非智能的操作，远远不能满足海量且内容丰富的视频信息访问和管理的需求，大量的信息不能被有效的利用。从用户的角度分析，他们希望在任何时间任何地方以任意的方式享受视频媒体。与文本、语音等信息的相比，视频中含有大量各种各样的、复杂的有用信息，其内容更加丰富、直观和生动。视频中包括的主要应用包括：人物识别。确定谁在屏幕中出现；动作、物体识别和表情估计，判断视频中的人物在做什么和这个物体是什么；场景理解，判断某个地方发生了什么事情；语义理解、内容分析。　　本文首先概要介绍了视频人脸特征定位与人脸描述符提取，分析了基于局部特征提取人脸描述符的优缺点，结合基于全局人脸描述符的特点，提出了一种新的综合的人脸描述符特征。分析提取视频中人物衣服特征的缺点，引入新的头发特征。对最近邻分类器和支持向量机分类器进行分析对比，提出了一种基于多核支持向量机的分类算法。本文的研究内容及主要工作包括以下几个方面：　　为进一步提高分类的准确率，去除原有的衣服颜色特征，新引入头发颜色特征作为多核分类器的一个基本核。　　(2)研究人脸的全局特征与局部特征相互结合后对分类效果的影响。并进行相应的实验比较。　　(3)对现有的人脸序列的分类算法优进行了分析，并新引入多核支持向量机分类器，进行实验比较。