人脸识别是一种跨学科的生物特征识别技术，涉及了很多学科和技术，包括视频监控、神经网络、机器学习、流形学习等热门技术和视觉处理、模式识别等许多学科，是当前的热点课题。与其它生物特征识别技术相比，人脸识别具有操作隐蔽性强、事后追踪能力强、可交互性强等技术优势，在国家安全、军事安全和公共安全领域的应用前景十分广阔。人脸识别技术一般包括人脸检测和人脸识别两个过程。前者的目标是搜索人脸目标在图像中的具体位置，并进行裁剪、归一化等相关预处理工作；后者是在人脸检测的基础上提取人脸的显著性和稳健性特征，并设计鲁棒的特征匹配方法完成人脸的识别任务。本文研究人脸识别系统的设计和实现，主要研究内容如下：（1）深入研究人脸检测方法，详细阐述了基于肤色的人脸检测方法的基本原理和实现方式，系统介绍了基于Adaboost的人脸检测方法的数学基础和实现流程；（2）深入研究人脸识别方法，从基本原理、数学描述、实现方式三个方面详细阐述了基于特征脸的人脸识别方法、基于Gabor特征的人脸识别方法和基于弹性图匹配的人脸识别方法；（3）针对人脸识别系统注册时图像源的尺度、色彩和样本数量的差异影响人脸检测和识别性能的问题，设计和实现了自适应的人脸检测方法，包括尺度自适应处理、色彩自适应处理和样本数的自适应处理，可以实现不同尺寸、不同颜色、不同样本数条件下的人脸目标检测和归一化，为后续的人脸识别提供归一化的人脸图像，最终实现系统对注册图像源的自适应处理；（4）针对单纯使用某一全局特征匹配方法或者局部特征匹配方法难以兼顾人脸整体差异和局部变异对识别精度影响的问题，设计和实现了一种多模式人脸识别方法，通过采用全局频谱脸方法区分不同人脸的整体差异，再结合局部几何特征匹配辨别人脸局部的细微差异，最终提高人脸识别的性能。人脸识别应用前景广阔，本文结合深圳市平安工程存在的问题，分析了深圳市平安工程方面对人脸识别系统的需求现状。然后基于当前的实际需求，有针对性地对人脸识别系统进行总体设计，并设计与实现了一套人脸识别系统，可以从实时视频、历史图像和历史视频中智能检索感兴趣的人脸目标，能够提高当前视频监控的智能化水平。