人脸自动识别是一种重要的生物识别技术。同其他身份识别方法相比较，人脸自动识别具有交互性强、可靠性高及隐蔽性好等特点，这些特点使得对于人脸自动识别技术的研究不仅具有重要的实际应用价值，而且有着极大的理论研究意义。当前的人脸识别系统虽然能取得较好的识别效果，但是在实际的应用中仍然受到表情、光照及姿态等因素的影响。鉴于此，本文对人脸自动识别技术进行了深入的研究，主要完成如下工作：（1）为解决传统AdaBoost算法存在较高误检率的问题，提高算法的实时性，提出基于肤色与AdaBoost的快速人脸检测算法。先采用肤色模型完成肤色区域与非肤色区域的分割实现人脸位置的预估计，再对分割出来的肤色区域进一步使用AdaBoost算法完成对人脸的确认。本文方法大大减少了滑动窗口的使用，同时缩短了检测时间。（2）为了提高LPQ算子对人脸图像的表征能力，在LPQ中加入Shearlet变换的思想，得到表征能力增强的局部Shearlet相位量化特征的方法。将Shearlet变换幅值域内提取的局部相位量化标记直方图(Histogram of Local Shearlet Phase Quantization，HLSPQ)用于人脸图像的特征描述，HLSPQ方法提取的人脸图像的纹理特征对光照、噪声具有更好的鲁棒性。（3）为了解决图像轮廓不是很清晰或者图像噪声点较多时，提取的PHOG特征不能很好表征人脸轮廓形状的问题，提出了一种基于改进PHOG的人脸特征提取方法。改进后的PHOG特征对人脸轮廓形状的描述更加的精细化，同时能够减少强度突变及噪声点的干扰。（4）构建了功能完备的基于网络摄像机的人脸识别系统，并给出该系统的详细设计与实现流程。同时在实现整个系统的过程中利用Access建立了一个可以自动添加、修改及删除训练样本的人脸数据库，为进一步验证研究人脸检测及识别算法奠定基础。