人脸识别技术是模式识别和图像处理领域重要的研究方向之一。在理想情况下(如光线稳定、图片静止、姿态不变等)人脸识别技术已经非常成熟,但在实际环境应用中却难以广泛应用,特别是在实时视频监控方面。由于人脸的可塑性及在成像过程中多种因素的影响,人脸识别系统在实时视频的条件下,识别性能会显著降低。使得人脸识别系统很难应用于工业、商业和家庭生活中。一个完整的人脸识别系统包括人脸图像预处理、人脸检测、人脸特征提取、特征匹配等主要功能模块。本文的研究内容由以下几个方面组成：(1)本文采用了人脸图像预处理基本方法：均值滤波、自适应中值滤波、直方图均衡化方法实现人脸图像的去噪、图像增强、图像恢复等。实验表明这些前期处理可以大大提高人脸识别率并节省存储空间。通过这些方法,我们可以从视频中得到最佳的人脸图像。(2)研究了人脸识别中常用的特征提取方法,并对这些方法进行了详细的阐述,并简单指出了这些方法在研究应用中存在的优缺点,还详尽描述了人脸识别率的性能指标并对这些指标做了详细的对比。(3)采用基于Adaboost的人脸检测算法,对视频序列中的人脸进行检测,使用Gabor滤波器对人脸进行特征提取,并通过实验选取合适特征完成降维,提高了人脸识别的速率,并于其他方法(最近邻法和支持向量机法)进行比较。(4)在Visual Studio2008的开发环境下,辅助OpenCV开发源库,开发基于视频序列的人脸识别系统,对实验人脸库进行视频识别。实验证明本系统具有较好的实时性和准确性。