随着数码设备的日益普及以及互联网的深入人心，网络上的视频数据呈现出爆炸式增长。而在安全领域，快速增加的摄像头也渐渐的覆盖了城市的每一个角落。这些网站和设备在带来安全和便利的同时也带来了海量的视频数据。面对海量视频数据，如何快速准确的检索出用户所需要的视频就是一个很关键的问题。在多数应用场景中，人们更加关注视频中的某些特定的人物，而人脸作为人物特有属性则往往成为人们关注的重中之重，所以基于人脸的视频检索技术研究就尤为重要。　　 论文针对互联网上的视频数据，研究基于人脸的视频检索，即从数据库中检索出与查询视频包含相同人脸的视频数据。论文对视频先进行人脸检测和跟踪，找出视频中的人脸序列，再用图结构的方法对序列进行合并，使得同一个视频内的相同人物可以合并到一起。本文提出了一种结合角度和时间信息的关键人脸提取算法，将一个人脸序列表达成几张关键人脸，然后用人脸图像检索的方法对视频进行检索。论文的主要创新点如下:　　 1.提出了一种结合角度和时间信息的视频关键人脸提取算法，对一个镜头内的每个角度的人脸选取了合适的人脸作为该角度的关键人脸。论文采用一部电影作为实验数据，来验证算法的高效性。实验结果证明，关键人脸提取算法既降低了存储量和计算量，使得后续的检索方法能够很好的运用到大规模数据中，也选取了具有代表性的人脸，降低了人脸信息的失真度。　　 2.设计了一种基于角度的人脸局部特征。运用该特征能够在大规模人脸图像数据库中快速检索出查询图像所包含的人物的人脸图像，并通过全局特征重排使得检索结果得到进一步提高。在160k的人脸图像库上的实验结果显示，相比普通的人脸描述子，基于角度的局部特征检索准确率有了4.9％的提高。　　 实验结果证明，论文提出的基于人脸的视频检索算法既保证了较高的准确率，又保证了高处理速度和高检索速度，具有较强的实用性。