近年来,视频监控系统的应用越来越广泛,智能化已经成为公认的视频监控技术的发展趋势。人脸识别技术作为智能视频监控的一项重要应用技术,经历了近四十年的研究和发展,取得了长足的进步,在注册和认证环境条件比较一致、用户比较配合的情况下,已经能够达到令人满意的效果。然而,由于实际监控环境的复杂性,获取较理想的人脸图像比较困难,导致目前单摄像机人脸识别算法的识别性能显著下降。本文主要针对监控环境下人脸识别较困难的问题,采用信息融合技术,对多摄像机人脸识别技术进行研究。　　本文在构建多摄像机人脸识别模型的基础上,经过分析,得到基于D-S融合的多摄像机人脸识别简化模型。针对该简化模型,本文设计了相应的实现方案,并展开具体研究,主要体现如下:　　1、对基于AdaBoost的人脸检测算法和肤色模型进行研究,推导出简化的肤色椭圆模型公式,并利用积分图像,设计了基于AdaBoost和肤色的人脸检测算法,结果表明,该算法在基本保持检测率的同时,不仅降低了误检率,而且提高了检测速度。　　2、对基于主分量分析(PCA)和支持向量机(SVM)的人脸识别算法进行研究和实现,并给出实验结果。　　3、针对所采用的人脸检测识别算法,通过统计分析检测过程和识别过程中五类参数的分布规律,设计了相应的基本概率赋值的获取方法,构成了基于D-S融合的多摄像机人脸识别算法。　　4、初步尝试了一种反馈机制,利用融合结果修正SVM分类器的参数,以进一步提高识别性能。　　最后,在自采集人脸库上,对单摄像机人脸识别和多摄像机人脸识别在不同融合方法策略下的识别性能进行比较,结果表明了基于D-S融合的多摄像机人脸识别算法的优越性,同时,也表明当摄像机之间的夹角大约在30-60度之间时,能更好地发挥该算法的优势,不仅提高识别的准确率和可靠性,而且在一定程度上克服姿态的影响,扩大监控范围。