本文根据科研项目《基于图像传感器阵列的智能视频监控系统研究与开发》的研制要求,在研究了人脸检测算法、图像预处理方法和人脸识别算法的基础上,设计并实现了一个基于视频的实时人脸检测与识别实验系统。该系统使用普通的USB摄像头获取视频,采用基于 Adaboost算法的人脸检测方法,通过光照预处理后,提取人脸图像的一种纹理特征,然后使用支持向量机进行分类识别,最后判别出视频图像中人物的身份。本文主要的工作如下:　　1、在人脸识别方面,首先从理论上分析不同的特征提取方法,通过实验进行比较与分析,最终选择基于局部三元模式LTP(Local Ternary Patterns)的特征提取方法。本文采用的LTP特征对光照变化较不敏感,基于LTP的特征提取方法在复杂光照变化情况下,图像也能提取到比较全面的局部特征。　　2、在实际应用中,通常是在复杂环境下进行人脸识别。拍摄环境的光照条件通常是复杂多变的;待识别的人脸在识别前未知,仅可能存在于训练集中,即开集模式下的人脸识别。为了减小光照条件对人脸识别的影响,本文提出一种基于小波变换域的光照处理方法,该方法先对人脸图像进行小波分解,然后对分解后的低频逼近图像进行Gamma校正、高斯差分和对比度变换。实验表明,该方法在光照条件变化较大时仍可取得较高的识别率。针对开集模式下的人脸识别问题,引入竞争反样本,该方法能较好解决存在未知人时的人脸识别问题。实验表明,加入竞争反样本可以有效地减小误识率。　　3、设计并实现了一个基于视频的实时人脸检测与识别实验系统,该系统能实现视频的采集、人脸的检测、人脸的识别以及人脸图像的保存与管理。