随着人类数字信息化时代的快速推进,现代社会生活对于信息安全的要求也越来越高,生物特征的身份鉴定技术占据着越来越重要的地位,其中人脸识别在身份验证、人脸辨识以及人脸支付等方面有着重要的意义,基于视频场景中的多人脸识别的地位日益重要。人脸识别技术广泛的应用于社会的各个方面,例如公共监控、人脸考勤以及智慧教育等。本文以大学课堂视频为背景,进行了多人标识系统关键算法的研究以及系统的实现,通过多人标识系统,进行大学课堂视频的人脸识别,进而实现课堂实时抬头率、课堂平均抬头率以及学生课堂抬头率的统计。通过抬头率可以反映大学课堂的真实情况,可以进行课堂教学质量评估,这对于高等学校的教育教学质量改革是有很大帮助的。本文在多人脸检测算法、多人脸跟踪算法以及多人脸识别算法进行了研究,并且进行多人标识系统的研发。首先在多人脸检测算法研究时改进了传统的Adaboost算法,将改进后的算法与肤色模型检测算法相结合形成新的多人脸检测算法;在多人脸跟踪算法的研究时将Kalman滤波应用于Camshift跟踪算法,进行人脸位置的估计,进而实现复杂场景下的多人脸跟踪;多人脸识别算法研究时将LBP提取的人脸特征,进行PCA降维,加快识别速度,实现多人脸的快速识别;利用Matlab计算机辅助软件、Opencv计算机视觉库以及MIT、ORL、Yale标准人脸库进行改进前后算法的验证。最后利用Visual Studio 2012、OpenCV、Qt以及MySql数据库进行了多人标识系统的实现。对系统的功能进行了逐一的测试,对系统的实时性、准确率以及CPU占用率进行了性能测试。通过实验验证以及系统的测试,多人标识系统在大学课堂视频场景下识别率可以达到91.6%,系统应用在课堂视频下能够进行实时抬头率、课堂平均抬头率以及学生课堂抬头率的统计,实时性效果满足要求。