随着社会的进步和信息技术的发展,身份识别技术日新月异,利用指纹、语音、人脸等进行身份识别也逐渐进入了实用阶段。本论文尝试在上海交通大学E-Learning实验室的各种现有设备和技术研究成果的基础上,继续研究人脸检测算法,人脸识别算法,设计并实现了面向视频流的基于教室场景的人脸识别系统。该系统能够有效的提高远程教学环境中,教师与学生的互动交流。同时教室场景中的光源稳定、姿态相对单一等限制条件,为提高人脸识别的正确率提供了一定的外部条件人脸检测和人脸识别在很多领域都具有重要的应用价值。本文主要将此技术应用于视频流分析中。研究目的在于得到一个应用于视频流全自动的教室人脸识别系统。本系统首先使用Adaboost算法将人脸图像快速又准确地从视频中分割出来,为了方便下面的人脸识别处理,将分割出来的图像进行标准化,包括平面内的旋转校正、大小归一化等预处理。本文还分析了各种特征提取和识别的方法,使用LBP分块直方图特征抽取算法,同时考虑到识别的概率分布,使用χ2距离、最近邻分类等决策方法,对目标人脸和非目标人脸的特征分布均应进行统计分析,从而进行人脸分类。最终提出了一个完整的、面向视频流的、从人脸检测到人脸识别的系统框架。该框架要能够方便扩展和替换算法,以便后面的算法的比较。