如今越来越多的人机交互设备在不断的普及,智能看板、智能手机、平板电脑、IPAD等已融入人们的日常生活当中,虽然这些设备都配有摄像头,但在交互过程中绝大多数这些设备都是以触控或声控为主,人脸的信息,比如性别、表情、年龄等信息并没有很好地被分析使用,因此为了使这些设备的人机交互性更加智能化,计算机视觉、机器学习和人工智能等强有力的技术需要被应用进来,本论文便是主要介绍这些技术并实现将它们融入到开发的人脸分析系统当中。本文最开始介绍了目前在信号处理领域比较热门的压缩感知理论,对信号的稀疏表示、测量矩阵和信号重建等问题进行了详细讨论,并且提出了一个满足特殊条件的稀疏测量矩阵实现对图像快速的特征提取,为本系统的实现奠定了重要的理论基础；接着我们使用一种简单朴素贝叶斯分类器实现高效地追踪人脸,可以满足实时运行的要求；然后我们对机器学习中的支持向量机方法理论也进行了详细的讨论,支持向量机的优秀分类能力是系统中性别、表情以及年龄识别功能实现的保证,我们便是通过libSVM工具训练各类分类器模型,同时对于表情和年龄这类多类分类的问题,也对不同的分类策略进行探讨；最后我们综合人脸追踪模块、性别识别模块、表情识别模块和年龄识别模块实现该系统软件,实验证明了压缩感知、支持向量机等方法的有效性。