人脸检测与识别是近年来计算机视觉与模式识别研究领域中的一大热点问题。作为主要的生物特征识别的方法之一，它在人机交互、信息安全、访问控制、娱乐动画，视觉监控和多媒体技术方面有着广泛的应用。本文对视频图像中人脸的检测与识别进行了研究，主要的工作可以归纳如下：　　 (1)在人脸检测方面，本文详述并实现了目前得到广泛应用的Adaboost算法，搭建实验室的人脸检测系统。在对检测到的人脸图像进行预处理方面，提出了一种新的使用Besov模值约束的小波图像去噪方法，提高了去噪后图像的峰值信噪比(PSNR)。　　 (2)在人脸识别方面，首先分析了目前流行的局部二值模式(LBP)及其在人脸识别中的应用，把信道编码中广泛应用的汉明距离引入到LBP算法中，提高了LBP算法对受光照、表情变化的人脸识别的鲁棒性。接下来，研究了隐马尔可夫模型(HMM)在人脸识别中的应用，比较了不同模型、不同观察向量对识别率的影响，试验证明我们改进的LBP-HMM模型提高了系统的识别率。最后，我们还尝试把基于多目标规划(MCLP)的分类模型应用于人脸识别，并且把它同SVM做了比较。　　 (3)通过几个工程应用的实例来展现人脸检测与识别的巨大的应用价值及其发展潜力。这几个工程应用项目分别是：天安门广场人脸监测系统，驾驶员疲劳检测系统，第二代身份证验证系统和网络不良图片过滤系统。