随着人脸检测与识别算法研究的深入和视频监控需求的增长,基于视频的远距离人脸检测与识别技术逐渐成为一个新的研究热点。远距离条件下的视频场景通常比较复杂,表现为背景多变、光照不受控制、监控摄像头距离观测人脸较远,使得视频图像中的人脸区域面积较小,分辨率低且光照变化,难于进行人脸检测与识别。针对这一问题,本文的研究思路是:首先,在远距离条件下检测人脸,然后对低分辨率的人脸图像进行处理,获得高分辨率人脸图像可用于人脸识别。论文主要做了以下研究工作:第一,研究了远距离和光照变化条件下视频序列中的人脸检测问题,利用混合肤色模型在远距离条件下检测人脸,然后利用人脸幻想方法,从低分辨率人脸图像中重构高分辨率人脸图像,得到可用于人脸识别的清晰人脸图像。第二,研究了基于Gabor变换的局部二值模式人脸特征提取方法,并通过直方图序列表达降低了特征维数。第三,将伪逆神经网络分类方法应用于实时人脸识别系统中,并获得了期望的效果。第四,构建了面向智能实验室环境的基于人脸检测识别的考勤系统。在实验室视频监控环境下,实现了无须人为干预、完全自动监视的自学习考勤记录功能。