从视频图像中提取人脸并进行识别的技术广泛应用于视频监控和身份认证等领域。由于人脸识别具有隐蔽性、实时性、非接触性和实用性等优点,近年来受到了越来越多的关注,同时也出现了很多实际的商用产品。本文重点研究和分析了从视频图像中提取人脸并进行识别所涉及的图像预处理、人脸检测和人脸识别的相关知识,并在此基础上提出了一种新的特征提取算法,提高了人脸的正确识别率。论文的主要内容和工作包括：在人脸检测部分,分析并实现了基于帧间差分的人脸检测、基于肤色模型的人脸检测和基于神经网络的人脸检测；在人脸识别部分,以ORL标准人脸库作为人脸样本集合,分析并实现了三种人脸识别算法：主成分特征提取结合支持向量机(Support Vector Machine)进行人脸识别、主成分特征提取结合Fisher线性判别分析进行人脸识别以及分区局部二进制模式结合主成分和支持向量机进行人脸识别。在对各种特征提取算法分析的基础上,本文提出了结合多类型特征提取和支持向量机技术的人脸识别算法,实验结果表明该算法的正确率高于前三种算法,达到了93%的正确识别率,证明了本文所提出的算法的有效性。最后,在微软的XP系统下采用Matlab-R2010a集成软件开发平台,实现了一个从USB摄像头获取的视频图像中实时提取人脸并进行识别的系统,该系统的人脸检测模块采用了帧间差分和肤色模型两种方法,系统的识别模块采用了本文提出的结合多类型特征提取和支持向量机技术的人脸识别算法,根据系统运行后的实际人脸识别效果,软硬件环境以及系统采用的各种算法均能满足要求。