随着机器学习和神经网络的研究，人脸识别技术不断得到提高，然而如何在图像高维数据中挖掘有效的低维表示，至今仍是难题。图嵌入算法使用无向有权图的方式将图像数据从高维映射到低维空间，寻找嵌入在人脸图像的本质结构特征。本文针对人脸识别中图嵌入编码信息算法进行了深入研究，并采用基于无监督学习的图嵌入方法，进行高层抽象特征的提取。　　由于图像识别技术比较成熟，远远超越于视频人脸识别技术，本文将图像识别技术应用到视频图像，主要实现视频人脸的检测、识别及检索功能。主要工作和创新点如下：　　（1）由于本文样本数据是视频序列，运动区域分割对人脸检测区域具有一定指导作用。目前运动区域分割的方法很多，针对帧差法受环境影响较大，含有大量的噪声；背景差法需人工提前对阈值进行赋值；而由于光流法采用的是迭代方法，计算起来复杂耗时。本文提出将帧差法和自适应的滑动平均相结合的算法，既保障帧差法的实时性，也具有滑动平均法的去噪性，同时也消除了光线的影响。　　（2）针对视频图像由于光线、遮挡物等因素引起的人脸检测下降现象，本文提出在运动区域内采用基于AdaBoost的ViolaJones检测器进行人脸检测。利用帧差法和自适应的滑动平均相结合的方法，缩小区域检测范围，在运动人物存在概率大的区域有针对性地检测，有效地减少了背景的Haar-like特征，进而使检测时间缩短，提高检测正确率。　　（3）将图嵌入引入到视频检索算法中，针对PCA、LDA等流形算法只考虑图像特征的线性嵌入，LLE忽略了类别之间的信息，只学习样本的局部特征等浅层学习缺陷。本文提出图嵌入框架下基于深度信念网络的人脸识别，利用含有多个隐层受限玻尔兹曼（RBM）的深度信念网络（DBN），自动学习图像数据的高阶特性，减少相关参数设定对特征学习带来的影响，用高层表示底层特征组合的抽象特征，获取在高维图像中嵌入的分布式特征，实现图像维数降低，利用分布式特征进行检索。　　（4）针对深度信念网络（DBN）训练慢问题，本文设计了一种新的权值更新函数，将权值更新方向与现在方向进行结合，通过从权值系数、隐藏单元、维数、循环次数四个参数对改进的深度信念网络进行性能分析，提高预训练速度。　　深度信念网络需要大量的数据，恰好视频具有丰富的人脸。将深度信念网络应用于视频人脸数据，从视频人脸中学习分布式特征，该分布式特征更具有图像内在信息，进而进行识别与检索功能，并在标准人脸库和视频人脸库上利用MATLAB2010b软件进行了仿真验证，结果表明了该方法的有效性。