现有的视频监控系统在很多居民住宅小区都有应用,但是作为单个家庭用户,它自己本身有着很大的缺陷,作为家庭用监控系统,视频监控所占的存储空间过大就是个不可避免的问题,过大就会影响监控的性价比。而更高级的红外热成像监控技术对于广大的家庭用户来说造价昂贵,成本太大。本学位论文将讨论一种新的监控措施,利用人脸识别技术为基础,建立特征人脸库,通过摄像头对访客的信息提取判别访客的身份。这样做的好处是节省容量,只需要人脸图像,而且可以重复使用。随着时间的累积。特征头像库数据越来越全,系统判定的准确度将越来越高。当系统判定访客为熟人(即安全情况)时,不产生报警,反之则产生报警。本文在研究其他相关文献的基础上,提出了一种基于背景差分法和相邻帧间差分法的改进算法,分析了静态和动态两种情形下非零像素点个数的大小差异,在此基础上通过设定分割值来实现背景的更新,并对不同分割值设定的情况,在实验室条件下(摄像头前1米～5米为监控区域,30万像素摄像头)给出了仿真。随后利用Adaboost算法对进入视频监控区域的人脸实现了检测,并进行了归一化处理,将图像的大小尺寸统一。对于检测到的人脸图像,建立了自己的实验室人脸库,并利用PCA主成分分析法实现了人脸识别。对于报警设置,本文提出了两种方法实现。基于上述所研究的视频监控系统,能够对进入视频监控区域的人物进行人脸检测并且识别,同时实现背景的更新,在实验室的环境下获得了良好的实验效果。