人脸识别作为生物特征识别技术中很重要的组成部分，其在罪犯查询识别、后台监视、门禁安全系统等方面具有广泛的应用。然而，在视频监控场景下，要对行人的人脸进行识别时，因行人行走时的姿态变化不可避免，人群的相互遮挡也不可避免。更有甚者，如果预先[预存一幅前视图的人脸照片，需要依据该单幅图像在监控视频中的人群中识别出该目标人脸，难度会大大增加。因为同一个人的人脸的姿态、表情变化的丰富性，采用机器学习的方法是有效的，而机器学习需要提供大量的训练样本，对于只能提供单幅人脸图像的任务需求来说，是个非常大的挑战。针对此问题，本文对基于单幅前视图的人脸识别算法进行了深入研究。
　　为了解决训练样本不足的问题，本文以给定的单幅正视人脸图像，采用单应变换的方法，生成虚拟的人脸多姿态样本，增加训练样本数。
　　本文所研究的人脸识别问题分为静态场景图像的人脸识别和监控视频中的动态场景下的人脸识别。
　　在静态场景的人脸识别中，本文采用Gabor小波变换提取人脸特征，对得到的Gabor小波系数用主成分分析(PCA)进行下采样，这样得到的特征既易于分类又提高了识别速度。分类器采用了对小样本问题具有很好的分类能力的支持向量机完成。
　　对动态场景下的人脸识别，采用静态人脸的识别方法与运动目标估计及运动目标跟踪相结合的方法来实现，对人脸被部分遮挡或偏转角度较大导致的漏识别和对人脸错误检测的校正有着非常显著的效果。
　　实验结果验证了本文方法的有效性。