在计算机视觉领域,人脸识别一直是一个研究热点,无论是安全防卫、对身份进行验证、护照识别及驾驶执照,还是自动门卫系统、银行和海关的监控系统等,它都有着重要的应用。广义的人脸识别包括人脸检测和识别两个过程,几十年来,经过研究者们不懈努力,这两个过程的研究取得了显著进展。但由于人脸识别应用环境的复杂性(如遮挡、光照等因素)和人脸本身的多变性(如表情的变化或衰老都可引起人脸很大的变形),人脸识别研究还存在着识别精度不够高、对环境依赖大等问题。针对上述问题,本文进行了下面两个方面的研究工作,并取得了一定的成效。人脸检测是识别的第一步,传统的人脸检测的实际检测效果不太理想,本文在对人脸实现肤色检测的基础上,联合Haar特征检测算法,有效减少误判率,提高了人脸检测的准确率;人脸识别是基于采集到的人脸图像,因而对人脸图像的后处理尤其重要,本文在检测到人脸后,对检测到的人脸区域进行去噪、归一化等后处理,为识别阶段提供良好的基础。局部线性嵌入(LLE)是流形学习方法的一种,在处理高维人脸数据时有着很大的优势,它保留了高维人脸数据的主要流形,有效减少了无关数据的计算,极大地提高了识别过程中的计算速度。本文在LLE的基础上,针对其存在的忽视样本间相关性的不足之处,提出了基于马哈拉诺比斯距离模型的改进LLE算法,充分利用了视频帧间的相关性,并在Vid TIMIT数据集上进行实验测试。实验结果表明,本文提出的改进的局部线性嵌入算法有效提高了视频中人脸识别的准确率。