由视频图像对人脸进行提取并识别的技术现今发展很快，尤其当对安全性需求很大时，如视频监控、身份鉴定等，更是有着大规模的应用。不易察觉性、快速性、非直接触摸性等等，这些均为人脸识别的特点，正是由于这些特点，近年来它成为人们的焦点之一。本文主要研究并分析了从视频图像中提取人脸并进行识别所涉及的图像预处理、人脸检测、特征提取和识别的相关内容。人脸检测是人脸识别的前提，只有于背景中将人脸定位并提取出来才能有利于识别的进行。在人脸检测部分，主要工作是着重分析并研究了Adaboost检测算法与基于肤色的检测算法。基于Adaboost的人脸检测算法仅需数量较小的分类器即可得到好的分类效果，检测速度较高，但这种方法较为耗时，对于正面人脸与背景较为简单的图像检测率高而误检率低。基于肤色的人脸检测算法的适应性较强，检测复杂度低，检测速度快，检测率高，但是误检率也较高。针对这两种方法的优缺点，本文经过最小割处理，将这两种方法相结合，在复杂背景中通过肤色分割将肤色区域先提取出来，之后通过人脸模型比例范围去除一些非人脸区域，最终通过Adaboost分类器将人脸检测出来。通过实验分析，本文算法检测精度较高，检测速率较快。特征提取是整个视频图像人脸识别过程的一个核心问题，在各种特征提取方法当中，以子空间方法为出发点的提取方法则是现在重点探索的一个方向。本文的出发点是子空间中的流形学习算法，着重探索的是以图论为基础的图像空间几何结构。文章首先分析了主分量分析(PCA)、局部线性嵌入(ICA)以及邻域保持嵌入(NPE)算法，通过对比三种算法各自的优缺点，针对NPE算法无法很好地保持模式间的差异信息，特别是非线性数据间的差异信息，将邻域保持嵌入算法进行了改进，提出了邻域结构保持嵌入(Neighborhood Structure Preserving Embedding,NSPE)算法。该算法的思想是，构建差异邻接图对差异几何关系进行描述，构建相似邻接图对相似几何关系进行描述，这样就能从两方面对数据空间作出充分表述。此外，本文定义了一个差异离散度矩阵，该矩阵的作用是对差异信息与相似信息进行度量。最后定义了一个意义明确的特征提取准则，按着此准则对特征进行提取。通过实验仿真，证明了这种算法是有效的。