生物特征识别技术在近几十年中得到了飞速发展,具有极其广阔的应用前景,生物特征识别技术比传统的身份鉴定方法更具安全、保密和方便性,具有不易遗忘、防伪性能好、不易伪造或被盗、随身“携带”和随时随地可用等优点,尤其是指纹识别、掌纹识别等已经渗透到许多行业。然而这些方法有一个共同的缺陷：必须要有人为的接触,否则很难进行识别。与其他识别方法相比,人脸识别具有直接,友好,方便的特点,并且易于被用户所接受,因此,这一技术目前得到了广泛研究应用。本文旨在针对目前人脸识别技术研究的现状,介绍了几种人脸检测、人脸特征提取及人脸识别算法,比较了它们的各种性能,尤其是实时性,提出了一种基于视频的实时人脸识别解决方案：Adaboost+Haar+Cascade算法用于实时检测复杂背景下的人脸,改进的主成分分析(2D)2PCA用于人脸特征的提取,BP神经网络用于实时人脸分类识别。在此基础上实现了一个实时人脸识别系统,试验证明该系统具有良好的稳定性,实时性及较高的人脸识别率。论文主要研究工作有：(1)利用DirectShow技术编写视频捕捉模块,通过摄像头捕捉视频帧图像,帧率为60帧左右、达到实时显示效果。(2)对检测到的人脸图像做消除光照、归一化等预处理,以方便特征提取。(3)训练了一个人脸分类器,实现了一个基于Adaboost分类器的人脸检测系统,可进行复杂背景下的人脸检测。(4)实现了一种改进的主成分分析对人脸特征的提取,并通过人脸重构验证了该改进的算法的优越性,使人脸特征的表达更加方便有效。为后面BP神经网络识别人脸提供了可能性。(5)BP神经网络识别人脸。初步构建了一个实时人脸识别平台。AdaBoost+(2D)2PCA+BP神经网络的实时人脸识别方案不但有算法上的先进性,而且易于实现,系统全部在VC++6.0平台上实现,具有较高的稳定性、实时性及实用价值。