基于图像的人体检测跟踪和人脸识别问题是当今计算机视觉和模式识别领域的热点研究问题，它在图像处理、智能监控、智能汽车系统等领域有着广泛的应用前景。本文针对图像中运动人体检测跟踪和人脸识别中的一些关键问题进行研究，并取得了一定的进展，具体有如下四方面：在人体检测方面，提出了基于二次连通域处理的人体检测方法，这种方法首先提取运动目标并作数学形态学处理，然后采用四方向连接方法去除空洞，第一次连接断开区域，接着采用三次扫描标记法第二次连接断开区域，随后提取HOG特征，利用Adaboost训练强分类器进而识别运动前景是否是人体。在人体跟踪方面，提出了基于改进Meanshift的人体跟踪方法，这种改进方法是通过判别跟踪区域是背景区域或前景区域来设置权重系数，同时将跟踪区域精确到运动人体，再结合卡尔曼滤波器来预测运动人体下一步的方向，由于降低了背景区域的计算量，所以跟踪效果更好些。在光照预处理方面，提出了改进高斯差分滤波的光照预处理方法，通过改变高斯差分滤波器中水平方向和垂直方向的参数，进而将原来的圆形滤波器扩展为椭圆形滤波器，更加适合人脸的面部特征，对于光照不均匀情况适应性较好，结合人脸识别算法获得了较高的人脸识别率和较低的人脸误识率。在人脸识别方面，提出了基于Adaboost的双向2DLDA融合的人脸识别方法，即2DLDA和E2DLDA的融合。2DLDA主要利用图像垂直方向上的判别信息，E2DLDA主要利用图像水平方向上的判别信息，然后利用Adaboost融合这两个方向的判别信息，实验表明整体的识别算法具有更好的识别性能。