随着信息技术的发展，人脸分析已经成为近年来计算机视觉与模式识别领域的一个热门话题之一。它在身份识别、智能人机交互系统、视频监控等领域有着重要的研究价值，人脸分析的研究中包含的课题很多，比如：检测、跟踪、识别、表情分析、建模、动画等。本课题来源于公安部门对固定场所下的视频监控防盗维稳项目，用来长期监控在同一场所的出入人员，对其进行检测、跟踪、人脸割取，并与人脸数据库中的人脸进行比对。针对此项目，本文进行了以下几个方面的研究：1.介绍了复杂背景下的人脸检测，讨论了几种常见的颜色模型，给出了人脸检测基本流程，重点分析了基于肤色似然概率的人脸检测。2.介绍了人脸跟踪的常用算法，重点分析了Mean Shift人脸跟踪算法的原理和步骤，分析了该算法的优缺点。3.提出一种基于目标实时更新并结合LBP纹理特征的分块Mean Shift算法，通过目标更新提高了目标跟踪的准确性，通过目标分块增强了目标的局部特征，从而提高了算法对类肤色背景的鲁棒性。然后分析了Mean Shift算法目标丢失后无法快速恢复跟踪的缺点，并通过结合帧差法对其进行了改进。4.介绍了几种基于子空间的人脸识别算法，并针对子空间方法对单训练样本特征提取方面的缺陷提出了一种基于样本扩充的分块2D-LDA人脸识别算法，首先通过泛滑动窗和旋转变换对样本进行扩充，然后对样本进行分块特征提取，增强其局部特征，提高了基于单训练样本的人脸识别准确率。5.给出了系统的设计框架和实现，并通过实验验证了该系统具有一定的应用价值。