在计算机视觉与模式识别领域中，人脸检测与识别技术是一个非常热门的研究课题，同时也具备非常广阔的商业价值。在诸多的目标检测算法中，基于AdaBoost算法的目标检测方法具有检测速度快，检测效果好的特点，一直被广泛应用于人脸检测;而在众多的人脸识别方法中，基于特征脸子空间的人脸识别算法，识别准确率较高且计算复杂度也比较低，是目前主流的人脸识别方法之一。本文在对上述算法理论研究的基础上，对其在Android平台上实时应用进行深入研究，并针对实时识别过程中出现的问题，提出了一些解决方法。　　本文首先阐述了基于AdaBoost的人脸识别算法，并针对该算法在实时处理过程中检测速度、准确率以及侧面人脸检测识别等问题，引入了肤色模型寻找类肤色轮廓区域和主动形状模型精准匹配人脸轮廓，利用人脸轮廓中的人眼信息区分正、侧面人脸等方法。实验仿真结果表明，将几种方法相结合进行实时地人脸检测，效果良好。　　其次，本文介绍了基于特征脸子空间的人脸识别算法。研究分析了主成分分析方法应用于人脸识别的可行性和局限性，在此基础上介绍了Gabor特征与线性判别分析方法，并提出改进的基于Gabor特征与LDA相结合的人脸识别方法。实验结果表明该方法是有效的，识别效果较稳定。　　最后，本文结合应用实际，完成搭建Android系统的图像处理算法开发平台，并结合OpenCV开源视觉库，成功将人脸识别系统移植到Android平台。实验结果表明，本文选择和改进的人脸检测与识别算法，能在嵌入式Android操作系统平台很好地工作，基本可以满足实时性要求。