随着科学技术的飞速发展,人们在安全验证和信息识别方面的需求也越来越广泛。目标图像的检测与识别是一项重要研究内容,而人脸图像作为最重要的视觉图像之一,在机器视觉、多媒体技术、信息处理技术等研究中占有重要的地位。人脸检测作为人脸信息处理技术的第一步和重要环节,业已成为一项独立而活跃的研究应用课题,受到了研究者的普遍关注。作为智能视频监控系统中的重要环节,人脸检测和人脸识别的方法已经得到了很大的发展。本文在分析前人工作的基础上,将AdaBoost算法运用于人脸检测问题,以人脸图像和非人脸图像作为训练样本,以类Haar特征和积分图为基础,训练出AdaBoost分类器,并通过构建级联分类器,使得人脸检测性能达到符合实际应用要求的水平。用训练出的AdaBoost级联分类器对实际图像进行人脸检测,取得了很好的效果。在实现了基于AdaBoost算法的人脸检测的基础上,提出了AdaBoost与SVM相结合的人脸检测方法。此方法在AdaBoost级联构架的基础上,采用SVM分类器代替传统的AdaBoost分类器。在训练SVM分类器的过程中,针对人脸样本和非人脸样本,提取若干个具有最强分类能力的类Haar特征,训练出SVM分类器。在达到很高训练样本拟合度的同时,通过对验证集进行分类来保证分类器的泛化能力,并且通过采用有侧重的惩罚因子设定,使得SVM分类器对人脸样本更加重视。同时,本文对类Haar特征的提取方法提出了改进,合理的减少了计算量、提高了运算速度。在实现人脸检测之后,需要进行下一步的人脸识别,来判断检测到的人脸是否是人脸库中的目标人脸。本文将子空间PCA方法运用于人脸识别过程中,将高维人脸信息投影到低维的特征脸子空间,通过系数的距离来判断两张人脸图像是否相似。取得了较好的识别效果。最后,根据实际的需求,本文以DM642为核心设计了人脸检测与识别系统,其中包括存储模块、视频编解码模块、音频模块、时钟与电源模块等等。