人脸识别技术是一种安全便捷的生物识别技术,一直是国内外学者研究的热点。随着计算机视觉以及图像处理等技术的不断发展,人脸识别技术也日趋成熟,其效率和准确率都有很大提升,用途也更加多样化,已经被广泛应用在人机交互、视频会议、门禁系统以及智能家居等方面。人脸识别技术为人们日常生活提供了很多便利,有很大的实用价值。人脸识别目前主要用于身份验证方面,身份验证是我们日常生活中很常见的一个环节,公司打卡、车站验票以及安防系统等等方面都需要进行身份验证,这些场景下一般人流量较大,要求身份验证的方式兼顾速度和准确性,人脸识别便很适用于这些大规模场景下的身份认证,既能保证准确率,又可以满足速度上的需求,并节省不必要的人力物力。由于实际使用场景环境因素的多样性和复杂性,人脸识别系统的准确性和稳定性会不可避免地受到干扰,因此在具体场景下设计一个准确率高并且鲁棒性强的人脸识别系统仍具挑战性。本文在分析对立人脸识别的相关的技术基础上,将系统分为两大部分,人脸检测和人脸识别部分。然后使用相关人脸识别相关算法,经过算法改进和数据集实验,设计实现了一个基于实时视频的人脸识别系统。该人脸识别系统能够实时地采集视频并快速地进行人脸识别,取得了不错的实验效果。本文首先研究人脸检测相关算法,主要研究了基于Haar特征的Adaboost的人脸检测算法。然后基于Open CV使用扩展的人脸数据集,在人脸样本中加入具有倾斜角度的样本训练出了多姿态的基于Haar特征的Adaboost人脸检测器,实验结果表明该分类器对可以快速识别出人脸并对具有一定倾斜角度的人脸也有不错的识别率,证明了基于Adaboost人脸检测器的检测人脸的高效性和准确性。通过对比实验选取基于Haar特征的人脸检测器,对于其误检率较高的问题,提出了使用基于肤色模型的二次筛选过程,明显降低了人脸检测的误检率。在获取到人脸图像后,进行一定的预处理并保存到人脸库。接着实现了人脸识别功能,提取人脸图像的等价LBP特征,然后训练SVM分类器实现人脸识别。实验结果表明使用LBP特征和SVM分类算法可以提高模型训练速度和识别速度,并有不错的准确率。本文系统介绍了人脸识别相关技术和算法,并详细分析了各种人脸检测和人脸识别的方法,提出了人脸肤色模型二次验证的人脸检测方法,然后结合LBP和SVM实现人脸识别功能,最终基于Open CV平台和Qt开发框架设计实现了一个功能完善的基于视频的人脸识别系统,兼顾实时性和准确性,具有一定的实用价值。