随着计算机技术的发展人们对智能化的身份识别技术越来越重视，大量的研究者投入到人脸识别研究领域中。人脸识别技术具有广阔的应用前景。它不仅可以用于视频监控、门禁系统等应用中，而且还可以促进多学科的交互发展。由于人脸识别有隐蔽性、非接触性、直观性，所以它是一种能够被大众认可的身份识别方法。因此研究动态视频流中的识别方法具有重要意义。本论文主要从视频图像的预处理、人脸检测算法、特征提取算法、人脸识别算法四个方面分析能用于动态视频流中的算法。视频图像的预处理主要介绍了明暗程度的调节、大小的统一等前期处理方法。特征提取算法采用实时性较好的PCA算法，提取主要数据信息，以便后续的识别。本论文在总结经典检测识别算法的基础上提出了一些相关的新算法。主要研究内容和创新部分如下：（1）提出了一种动态视频流实时多人脸检测算法。针对肤色检测方法检测区域较大，效果不理想，而AdaBoost检测算法误检率较高，本论文提出了一种动态视频流实时多人脸检测算法。该算法首先运用肤色的方法检测出视频中的肤色区域，然后运用AdaBoost检测算法在肤色区域中找到人脸所在的位置。实验分析显示，这种处理方式有很好的检测效果。（2）提出了一种混合核函数的设计方法。本论文讨论了RBF核与多项式核性能上的优缺点。针对单一核函数在性能上存在的局限性，本论文设计了一个混合核函数。通过实验结果分析，这种混合核函数比单一核函数有更加稳定的性能。（3）提出了一种基于小生境演化算法的混合核函数SVM人脸识别算法。参数设置是影响SVM分类器性能的主要因素，RBF核函数SVM算法有2个参数需要设定，多项式核函数SVM算法有3个参数需要设定，而本论文所采用的混合核函数SVM算法有5个参数需要设定，传统靠经验值设置参数的方法很难找到使混合核函数SVM性能最优的5个参数，本论文采用实数编码的小生境演化算法彻底解决了这个问题。用这种方法对混合核SVM的5参数寻优，构建的分类具有精准度高的特点。