随着模式识别在安防监控领域的应用需求，当前人脸识别的研究已成为一项重点课题。本文从人脸识别在智能监控的实际应用出发，深入研究了动态人脸识别中的视频捕捉、人脸检测、人脸图像预处理、人脸识别等技术，最终完成了一个实时的动态人脸识别装置，并获得了专家验收组的验收和肯定。 本文针对动态人脸识别系统的实时性，开发了一个通用于Windows平台的动态视频捕捉驱动模块和实时人脸检测模块，并在实际应用中获得了不错的效果。 研究和实现了基于AdaBoost的人脸检测，与视频捕捉模块结合并嵌入到人脸检测模块中。实验结果表明，只要调整好人脸检测中人脸大小的尺寸和扫描窗口的大小，该检测算法在满足实时的人脸检测前提下，可以达到较高的检测率。 光照问题一直是影响人脸识别的重要因素之一，如何在图像预处理中减少光照产生的影响是困扰课题深入研究的问题，作者通过对几种不同的光照补偿方法进行研究，发现任何一种方法在单独情况下并不能十分有效实现光照归一化，最后提出了基于小波分频和多种图像处理方法结合的图像预处理算法，最后取得的了非常有效的效果。 表情等类内差异在基于人脸总体特征的子空间识别算法中也是影响人脸识别正确率的问题之一，因此在进行光照补偿后，如何最大程度的降低由于类内差异所带来的影响是提高识别率的关键，在深入分析了主成分分析算法( PCA)、线性差异分析算法(LDA)、贝叶斯算法(Bayesian)三种子空间识别算法，并针对他们的特征子空间和判别依据，提出了一种新颖的多子空间融合人脸识别方法，提高了识别率。