计算机视觉一直是国内外学者的研究重点，而图像分类和识别是其中最具挑战性的研究领域之一，人体检测和人脸识别则是该领域中应用最广、研究最多的方向之一。本文即是对计算机视觉领域的人体检测和人脸识别进行系统研究，并提出一系列新算法和新思路的文章。具体来说，本文介绍了人体检测和人脸识别的当前研究状况、应用领域、主要技术难点和未来的发展趋势；详细介绍了图像分类和识别中的基于bag-of-word和基于part-based方法的主要思想，系统阐述了人体检测和人脸识别的常用算法和实验方法。在此基础上，本文提出了基于联合Hog和级联分类器的快速人体检测算法，以及基于区域选择和FFT光照预处理的加权多通道Gabor人脸识别方法，并提出了几个重要概念和支撑算法，包括联合Hog、(不)规则矩形及其顶向式表示、(不)规则矩形的相交检测、不规则矩形的顶向式生成和内部点生成等，以及各通道类别相对熵、基于相对熵的多通道Gabor人脸区域自适应选择算法等。与大量传统人体检测和人脸识别算法的比较显示了本文这些新算法在常用数据库和统计指标上的优势。本文在最后给出了总结和展望。本文算法为图像分类和识别领域提供了新思路、新方法和新手段，在理论研究和实际应用中具有一定的价值。