随着高性能摄像设备的普及以及计算机技术的迅猛发展，基于视频数据的人脸识别与身份验证技术在公共安全、智能监控、视频会议、用户访问控制、多媒体和数字娱乐等领域有着广阔的应用前景。经过几十年的研究，目前人脸识别技术已经得到了长足的发展，在理想的情况下已经可以得到很高的识别率。但是，在视频监控等应用场合，由于环境复杂、光照变化大、人的姿势表情多变以及受到分辨率的限制，人脸识别问题依然是一个极具挑战性的问题。本文对视频中的人脸识别问题进行了研究，本文的主要内容包括：　　(1)对人脸检测进行了研究。本文首先对人脸检测中常用的Adaboost算法和几种颜色模型进行了介绍，在此基础上提出将Adaboost算法和YCbCr肤色模型相结合的人脸检测方法，利用YCbCr肤色模型对Adaboost算法检测得到的结果进行验证，排除非人脸图像。通过实验表明，用此方法可以有效的排除非人脸区域，提高识别率。　　(2)为了消除光照、人脸姿势、图像尺寸等因素对人脸识别的影响，提高识别率，在人脸识别前先要对检测到的人脸图像进行预处理。本文介绍了几何预处理和光照预处理的常用方法。在几何预处理中，首先需要确定两眼的位置，然后通过旋转、缩放和裁剪等操作，对图像进行倾斜校正和尺寸归一化。本文提出了一种新的人眼定位方法，可以在相对复杂的情况下更加准确地定位两眼的位置。　　(3)介绍了几种常用的人脸识别特征，并对它们进行了分析。在此基础上提出将DCT特征和梯度特征进行融合，作为新的特征用于人脸识别。该特征不仅包含了人脸的整体信息，同时也包含了细节信息，可以有效地减少光照的影响。最后，本文采用最近邻分类器进行人脸识别。实验结果表明，和其它几种典型的特征(PCA特征,DCT特征,梯度特征)相比，利用本文提出的特征可以得到更高的识别率。　　(4)基于本文提出的人脸检测和识别算法，利用VC++和OpenCV开发了一个视频环境下的人脸识别和身份验证系统。该系统可用于电子门禁、电脑或手机等的用户登录或所有权验证等。通过实例对算法和系统进行了验证。