近年来，基于提取和分析视频图像中所蕴含的高层语义信息内容的视频检索正逐渐成为研究热点。本文对以人脸作为内容对象在视频检索中的应用进行了研究，主要的研究工作包括以下几个方面：在人脸检测方面：重点研究了基于Adaboost的快速人脸检测算法，通过大量的实验检验该算法的准确率和检测速度，并将其应用于人脸检索软件系统的开发中。在人脸识别方面：研究了经典PCA人脸识别算法及2DPCA人脸识别算法。针对传统经典PCA算法的不足，提出了分块加权的局部特征和总体特征相结合的思想，在Matlab环境下实现了PCA，2DPCA算法，及本文所提出的加快分权的2DPCA算法，在ORL人脸库上进行了大量实验，实验结果表明了本文所提出的识别算法识别率有一定的提高；并针对单样本人脸识别应用需求，将奇异值扰动和基于分块加权的2DPCA人脸识别算法相结合应用于人脸检索软件系统的开发中。在人脸检索系统实现方面，设计了基于视频流的人脸检索算法，在VC6.0++和OpenCv环境下开发了一个基于视频流的正面人脸检索系统。首先采用基于Adaboost的人脸检测算法对用户提供的待检索人脸图像和待检索视频进行人脸检测，其中对视频的人脸检测是通过对视频信号隔帧采样后再检测实现的，然后采用本文所提出的人脸识别算法分别提取待检索人脸和视频中检测出的人脸的代数特征，最后进行特征匹配，采用最近邻分类器判断视频中检测出人脸是否为要检索的目标人脸。实验结果表明，本文的系统对简单背景中端正的正面人脸的检索效果较好。