随着时代以及科学的发展,现代社会视频监控技术发展迅速,无论是居民日常生活还是社会治安,或者是公安系统刑事案件的侦破都离不开视频监控。而通过视频监控中进行案件侦破的核心是人脸识别,所以它也理所应当的也越来越受人们的重视。在不断更新的识别技术中,相比于眼球的虹膜识别以及指纹识别等技术来说,人脸识别更容易获取样本,并且直观性也要好得多,民众也更容易接受。但是人脸识别仍然准确度低,耗时时间久的缺点。由于各种因素的影响,监控视频中的人像与静态的人像识别差别很大,很大程度上的视频监控中的人脸特征不能代表原始信息。但是用户的安全系数又受识别的准确程度的直接影响,所以人脸识别面临着很大的挑战,对采集信息的场所有一定的要求,人面部的改变,人表情的多变等,都需要进行更深入的探索。本文主要分析了基于视频监控的人脸识别算法,首先检测视频序列中的人脸,采用是基于肤色的图像似然度的检测方法,然后基于MEANSHIFT算法提出更有效的跟踪算法,最后研究基于主成分分析改进的分块PCA算法+SVM算法,提出更有效的人脸识别方式。主要内容有:1.对视频中的人脸图像进行检测采集并且对其进行预处理。对人脸进行检测是人脸识别最先要做的也是整个研究过程的基石。使用YCbCr的模型来进行分析,采用肤色特征的图像似然度的检测方法。有些视频背景是接近肤色的,不太容易识别,进一步对图像进行二值化操作,并且采用人脸长宽比来提高这种情况下识别的鲁棒性。2.人脸图像的跟踪。提出分块MeanShift,可以基于目标特征的变化进行自适应更新。并且由于类肤色区域的干扰,所以提出LBP纹理特征结合颜色直方图来改进MeanShift算法。3.人脸图像的识别。传统人脸识别的方式是在基于PCA的基础上,通过距离函数来实现的,相对来说,准确率低。因此,在这个基础上提出了基于分块PCA算法,并且加上了 SVM分类器,即支持向量机。相比于传统方式来说,准确率得到了较大的提升,由原来的70%左右提升到90%左右,也就是说改进后的方法要更加方便使用。