近年来,随着人工智能的快速发展和视频监控系统的日渐普及,人脸识别研究在安防领域具有重大的意义。作为计算机视觉的重要问题之一,人脸识别是一种基于人的脸部特征进行身份鉴别的生物识别技术。相比于其他生物识别技术,人脸识别具有交互友好性,方便性等优势。目前,针对约束性场景下的人脸识别已经达到商用的程度,但是在自然场景中,例如监控场景中,人脸由于受角度,光照,分辨率等诸多因素的影响,造成了识别上的困难,因此研究一种针对自然场景下的人脸识别方法,具有重要的理论意义和实用价值。围绕自然场景下的人脸检测和识别,本文开展了如下工作:首先,本文阐述了当前人脸识别算法的研究现状,介绍了国内外人脸识别算法原理,并对当前人脸识别技术上的难点进行了梳理。其次,本文分析了当前人脸检测算法耗时严重以及面向自然场景的局限性,提出了两级人脸定位算法。经测试,本文算法处理自然场景图像能够达到实时,并且保持较高的人脸检测率。再次,在人脸检测的基础上,本文引入人脸自动标定算法,实现了一种基于Gabor小波的多尺度高维特征的人脸识别方法,实验结果验证了该方法对受约束场景下的人脸识别的有效性。最后,本文总结了基于多尺度高维特征的人脸识别算法在自然场景下识别性能的局限性,通过对DeepID1人脸分类网络进行改进,实现了一种人脸整体特征联合局部特征的多网络模型识别算法,实验结果验证了本文算法在自然场景下人脸识别的有效性。