当今，电子视频监测系统被广泛应用于交通监控与调度、楼宇内外环境安全监控及银行系统的安全保障等领域。在安全监控应用中，基于图像序列的人脸识别往往是动态图像识别，其特点是姿态、光照、眼镜、装饰物、成像角度和成像距离等是随机的、动态变化的，影响了人脸识别准确率。针对上述问题，本文重点考虑光照和姿态这两项干扰因素，基于动态图像序列信息，从人脸检测、标准化处理、图像融合等方面开展了序列人脸图像增强方法研究。首先，采用基于肤色模型和几何特征的人脸检测方法将人脸图像从序列图像中分离出来，去除背景、头发和服饰等冗余信息。其次，针对不同光照引起的人脸图像在灰度上的差异采用不同的方法进行灰度标准化；针对不同姿态引起的人脸图像在几何位置上的差异根据双眼定位进行几何标准化；再采用相关系数对标准化后序列图像进行相似度检测，以评价其标准化结果。然后，采用三种不同的融合规则对标准化后序列图像进行基于小波变换的融合增强。最后，通过主观和客观评价方法对增强结果进行质量分析。以平面内旋转、深度旋转和不同光照的三类人脸图像为实验对象，采用基于系数最大绝对值、基于邻域最大绝对值和以及基于邻域方差最大值三种融合规则对标准化后的序列图像进行融合增强验证。实验结果表明，采用基于序列图像融合的人脸图像增强方法，可实现不同背景、服饰、发型、姿态、尺度的人脸检测和人脸图像的标准化，充分利用多帧图像的综合信息，弥补了单帧图像信息量的不足，达到了图像增强的目的；当源图像数量较少时，在光照正常情况下，基于系数最大绝对值的融合规则对图像的增强效果比较明显，运行速度也最快；而当源图像数量较多时，无论是姿态还是光照变化，基于邻域最大绝对值和的融合规则在增强效果和运行速度方面均表现出一定的优势。