运动人脸检测在数字视频监控系统中得到了广泛的应用，对运动人脸检测问题的研究已成为人工智能及模式识别等领域广泛关注的课题。由于数字视频监控系统的运动人脸检测研究涉及到视频的运动目标提取和人脸检测两方面的专业知识，使问题研究起来比较复杂，目前的研究成果还不能完全满足实际的需要。本文在深入分析数字视频监控系统的组成要素基础上，结合目前国内外的研究现状，提出了一套有较强鲁棒性、实时性和准确性的方案——以视频运动目标提取和级联式神经网络模型为技术基础的运动人脸检测系统。该视觉系统由三大功能块构成：运动图象分割子系统、侯选人脸区域图象预处理子系统和人脸精确检测子系统。其主要工作和结论如下： (1)对于运动图象分割子系统；首先在分析了常规目标提取算法的某些缺陷后，本文提出了一种改进的光流算法，用该算法成功地实现了监控系统中被检测图像的运动区域分割，该分割算法具有较强的鲁棒性和抗噪能力。并且，在侯选人脸区域平滑与提取中，本文也充分利用了形态学的闭运算和滤波处理，去除了区域噪声，并对零散的小区域进行合并，取得了较为满意的效果。(2)对于侯选人脸区域图象预处理子系统；首先对侯选人脸区域进行滤波以去除图象噪声，再做灰度拉伸以调节图象的对比度，然后用直方图均衡调节图象的均值和方差，达到灰度归一化的目的。这样消除了不同成象条件造成的影响。(3)对于人脸精确检测子系统；在综合考虑了传统BP神经网络模型在模式识别领域的诸多优点基础上，本文提出了一种两级串联式神经网络的人脸检测模型，该模型以基于灰度信息的神经网络为第一级，以基于色度信息的神经网络为第二级，作为第一级判别的补充。实验证明，该模型具有迅速而准确地人脸检测效果，并且系统的误识率也非常低。(4)本文的“分割——搜索”模式，有效的解决了传统人脸检测算法运算量过大，普遍基于全屏搜索空间的弊端。同时，也是一种充分利用了视频图像运动信息和人脸肤色信息进行运动人脸检测的实用方法。