人脸识别因其具有非接触性、准确度高、稳定性好且成本低的优点，已被广泛应用于出入控制、人机交互、视频监控和公共安全等。但是现有人脸识别技术的性能对外部干扰的鲁棒性不强，例如人脸的头部姿态、面部表情以及光照强度发生变化，这些都是人脸识别技术亟待解决的问题。另外，随着摄像头的普及，人脸识别也从背景单一的基于图像的静态人脸识别技术发展到基于视频序列的动态人脸识别技术。由于视频采集的随机性很大，使得人脸图像的质量参差不齐，这就需要对视频序列中的人脸图像进行质量评价，选择质量较高的人脸图像用于身份识别，以提高识别率。考虑到一般摄像头每秒能成像20至30帧，在保证高准确度的前提下实现人脸识别的实时处理也是人脸识别技术必须面对的问题。相对于传统的可见光人脸识别来说，近红外人脸识别克服了光照条件变化的不利影响。所以，本文基于近红外人脸图像，为提高人脸识别的鲁棒性、实时性和准确率，从人脸检测，质量评价和人脸识别三个方面展开了研究：针对Adaboost人脸检测只能检测正面人脸且易受环境影响的缺点，提出了基于图像分割的人脸检测方法。首先采用人脸区域分割模型搜索整个图像中的候选人脸区域以实现人脸的粗定位，然后对候选区域进行倾斜度评估并对有倾斜的候选区域进行矫正，最后利用Adaboost算法对候选区域进行精确的人脸定位。针对近红外人脸图像序列的质量评价，提出了基于特征融合的质量评价方法。首先对清晰度、亮度、分辨率、头部姿态和表情等五个特征分别计算出评价分数，然后将这五个评价分数进行融合得到最终的人脸图像质量评价结果。针对人脸识别的特征提取和特征降维问题，提出了融合双树复小波变换(DT-CWT)和离散小波变换(DWT)的人脸识别。首先，利用DT-CWT和DWT的互补性进行特征提取，因为DT-CWT具有低冗余、近似平移不变和多方向选择性等优点，但其并没有包含水平和垂直方向，而DWT能提供0o和90o方向上的尺度描述。然后，利用监督局部线性嵌入算法(SLLE)进行快速地特征降维，因为SLLE是一种非线性、非迭代的降维方法，它能在嵌入空间很好地保存数据在高维空间的局部几何结构。最后，本文将近红外人脸检测、识别和质量评价方法使用OpenCV图像处理库在Visual C++的环境下实现，实验结果表明，本文提出的方法具有很好的识别性能，具有很高的实际应用价值。