随着人脸识别技术的不断发展,其应用潜力和商业价值不断受到社会的关注和认可。但是在实际应用场景中由于环境的多样性和复杂性,以及人脸的多姿态和多角度,对人脸识别系统的准确性和时效性带来很大的干扰。针对以上难点,本文致力于开发一个高效稳定的人脸识别系统。本系统分为两大部分:人脸检测和人脸识别。基于已有的人脸检测和人脸识别算法的基础上,本文创新性的提出了肤色检测和改进型Adaboost相结合的人脸检测算法,以及基于人脸全局特征提取的2DPCA人脸识别算法。实验结果表明:该系统实现实时采集视频的同时,可以快速、准确的识别人脸。本文的主要研究内容如下:(1)介绍了人脸识别技术近些年的发展历程和趋势,概括了人脸检测算法和人脸识别算法的分类,列举了目前常用的人脸库,提出了当前人脸识别领域关键性难题。(2)人脸识别系统的第一个核心模块是人脸检测预处理模块。为实现人脸目标从视频中快速分离和准确定位,在人脸检测预处理模块中详细介绍了运动目标检测、肤色检测和几何特征模型,并对每个算法的原理和应用过程都做了完整论述。(3)人脸识别系统的第二个核心模块是人脸检测模块。人脸检测模块重点介绍了Adaboost算法的原理及实现过程,并从Haar特征值和权重更新的角度,对传统的Adaboost算法做了改进。融合运动分析、肤色检测和几何特征这三个预处理步骤,设计了一个人脸检测模块的实验,证明改进的算法能降低17.2%的人脸误检率、提高4.5%的人脸正检率以及缩短检测时间为原来的25%。(4)人脸识别系统的第三个核心模块是人脸识别模块。人脸识别模块重点介绍了基于全局特征提取的PCA和2DPCA算法,对比了两者算法的优缺点。利用实验证明,2DPCA比PCA更适用于人脸识别的特征提取,提高约5%的人脸识别率以及大幅稳定了人脸识别时间。(5)基于Visual Studio 2017和Open CV开发工具,设计了一个基于视频图像的人脸识别系统。通过实验表明:该系统的人脸检测率和人脸识别率高,误检率低,识别时间短,具有良好的实用价值。