近年来，人脸识别问题成为了模式识别中最为活跃的研究领域，相比于其他模式识别问题，人脸识别问题最难，用到的理论方法最为丰富。这其中，对视频中的人脸进行识别是一个重要的研究课题，同时，它也丰富了人脸识别的应用领域，视频中的各种特殊问题还增加了人脸识别的难度。对于车站，卡口，金融系统等视频下的人脸进行实时监控，及时发现可疑人物，对于人民生命财产安全具有重要意义。相比于指纹识别、虹膜识别，人脸识别的识别设备不需要与人进行接触，容易被接受，但不容易被发现。并且人脸是可靠性极高的生物特征。视频中的人脸图像具有很多图像质量差，光照，姿态变化严重等问题，并且遮挡现象也时常发生。因此，获取视频中人脸时间和空间信息，解决人脸质量，光照，姿态，遮挡等问题是视频图像中人脸识别的主要方向。本文对较好的基于视频的人脸识别方法进行了细致的分析和研究。对各种方法进行了详细的比较，同时，对各种方法进行了分类总结。另外本文还研究了稀疏编码方法在人脸识别领域的应用，它对光照、姿态、遮挡的鲁棒性很强。考虑到它的运算速度很慢，绝大多数企业的实际应用系统都不考虑采纳这种方法，基于稀疏编码的人脸识别方法还未完全走出实验室。因此本文研究了制约稀疏编码分类算法速度的关键因素，提出了几种解决方法。主要的研究成果有（1）视频图像中应用稀疏编码在速度上提高到接近实时水平。（2）采用视频序列图像反编码人脸库解决单样本下识别率不高的问题。经过实验验证，本文提出的方法不仅对视频图像中的人脸识别所遇到的光照、遮挡等问题有了提高，而且还显著的提高了识别速度。