近年来，人脸识别已成为众多的身份验证方法中最容易接受的一种方法，具有更直接、更安全、更可靠和更有效的特点，具有极高的研究价值和应用价值，同时作为模式识别领域的重要课题之一，也是目前非常活跃的一个研究方向。　　本文对人脸识别的研究现状和常用的人脸识别方法进行了分析，在此基础上提出了采用基于多尺度?-LBP人脸特征描述算法，并设计和实现了人脸实时识别系统。主要研究工作如下：　　1）对Adaboost人脸检测算法进行了研究。为了降低其误检率，提出了采用融合肤色检测的Adaboost人脸检测算法。该算法在保证了原有算法对人脸检测率的基础上，有效地降低了人脸图像错误检测率。　　2）对描述图像纹理特征的LBP算法、改进的多尺度LBP算法与LBP算法进行了研究，针对LBP算法不能兼顾整体与局部信息的表达以及多尺度LBP特征数据量较大的问题，提出了基于多尺度LBP的人脸表征算法。该算法首先将人脸图像分割成不同尺度的子块，然后对各子块进行LBP编码，最后将各子块的直方图序列串联起来作为人脸特征。实验证明，利用本文算法提取的特征能够更好地描述人脸特性，能有效地提高识别率。　　3）引入支持向量机作为特征分类器。选择适当核函数和多分类策略构建支持向量机，与多尺度LBP人脸表征算法相结合识别人脸身份。实验分析表明，支持向量机的运用能够获得更好的特征分类效果。　　综合上述算法，利用OpenCV与MFC设计并构建了一个人脸识别系统。实验表明，该系统实时性强，对人脸的识别效果良好。