视频监控系统在日常生活中随处可见,但大多数系统还是通过PC机的多媒体平台来实现,并不能达到真正的智能化。随着计算机视觉领域的快速发展,对视频图像进行实时处理,并返回有效的潜在信息成为很多个人和机构的研究目标。本文主要讨论人脸识别技术在视频监控系统中的应用,相比与其它生物特性,如指纹、眼膜等,人脸更容易获取,并且在近几十年的不断研究探索中,已经提出了稳定有效的人脸检测与人脸识别算法,即便在视频实时监控中也能达到不错的识别效果。针对视频监控中的自动人脸识别技术,本文详细介绍了视频图像采集、图像预处理、人脸检测、人脸识别、基于短信猫的手机报警等技术,并最终实现了基于人脸识别的视频监控报警原型系统。本文主要研究内容包括：(1)图像预处理,包括图像去噪、图像增强、图像归一化操作,其中由于摄像头设备质量、外界监控环境等原因造成的图像主要噪声是高斯噪声和椒盐噪声,所以分别采用中值滤波和小波分析进行去噪处理；图像增强采用分数阶微分技术,加强了图像中的高频边缘信息、和图像平滑区的纹理细节信息,并且保留图像在低频区域内的轮廓信息,达到良好的图像增强效果；图像大小归一化对比分析了最近邻插值和双线性插值方法,进行大小归一化后的图像库方便后续的人脸识别算法分析。(2)图像采集,图像采集使用了微软提供的一套基于Windows平台的流媒体处理开发包—Direcshow,在该技术基础上,搭建视频图像采集平台,获取视频监控中的实时图像供后续人脸检测与识别,是视频监控系统的基础。(3)人脸检测,使用国际上比较认可的基于Adaboost算法的级联分类器进行训练,并分别在CMU人脸数据库、网上收集图像库、视频采集的图像库上进行人脸检测,对不同环境下的人脸检测结果进行比较分析,突出了视频监控中图像的特殊性,得到的人脸检测正确率较高,Adaboost算法可用于视频实时监控中的人脸检测。(4)人脸识别,采用Adaboost算法进行人脸检测并构建了实验室人脸数据库,综合分析了PCA算法和SIFT算法在人脸识别领域中的使用,通过仿真实验,分别在ORL数据库和实验室数据库上进行验证分析,比较其优缺点及实用性。PCA算法是检测人脸识别系统性能的基准算法,SIFT算法提取的人脸特征具有较强的鲁棒性,信息量丰富,在图像的尺度变换、噪声、亮度等的干扰下都有较好的特征提取效果。(5)基于短信猫平台的手机报警,介绍短信猫的原理与使用方法,通过人脸识别进行报警控制,讨论分析了在实验室人脸库上的陌生人报警阈值。(6)基于人脸识别的视频监控报警原型系统实现,在OpenCV基础上实现系统开发,完成了自动人脸识别并报警的功能,体现了系统的实时性,具有一定的研究和实用价值。