在计算机及网络技术高速发展的现代社会中,信息安全显示出前所未有的重要性。身份识别是保证信息系统安全的重要前提,在国家安全、电子政务、安全检查、保安监控以及门禁系统等领域,都需要对人们身份识别及鉴定。人脸检测识别技术以其独特的优势在计算机视觉领域得到了深入的研究和广泛的应用。但人脸检测识别要走向实际的应用,检测精度和检测速率是急需解决的两个关键问题。经过近十来年的发展,人脸检测识别的精度得到了较大的提高,但速度问题一直有待提高。本论文重点研究了对视频图像的人脸检测和识别,在研究的过程中,实现了对静态图像和动态视频图像的人脸检测,人脸识别的实现还有待进一步研究。通过在研究生阶段大量阅读人脸检测识别技术方面的文献资料,本文首先对人脸检测识别技术的发展、现状和发展趋势进行了简要的概述,接着对人脸检测和识别经典算法进行了分析和研究,为了提高人脸检测和识别的效率,本文首先对待检测的图像进行了直方图变换增强、光照补偿的预处理,然后对图形进行了边缘检测和颜色分割,进一步提高了图像质量。在此基础上,分析研究了Adaboost算法,详细阐述了该算法的整个过程,包括Harr特征的选取,矩形特征的计算,积分图像的计算,然后介绍了弱分类器、强分类器和级联分类器的构造,基于该算法存在的问题,本文对该算法提出了改进,主要是改进了分类器构造过程中,对概率值的更新规则进行了改变,使新的循环更重视分类错误的样本,从而使构造的分类器更加高效和实用,进而提高对图像的人脸检测率并降低人脸误检率,然后本文对改进的算法进行了实现,并对静态图像和动态视频图像的人脸检测结果进行了分析。实验表明,该算法较好的实现了人脸检测,并有较高的检测率和较低的误检率,同时对检测旋转一定角度的人脸具有一定的鲁棒性。在人脸识别研究方面,本文主要研究了基于隐马尔可夫模型的人脸识别,主要介绍了隐马尔可夫的基本思想,包括隐马尔可夫的基本概念,然后分析研究了隐马尔可夫的基本算法,接着分析了连续隐马尔可夫模型,最后研究了隐马尔可夫初始模型的选取以及训练。