人脸目标的跟踪问题由于在身份识别、安全监控等领域具广泛的实际应用价值而逐渐成为目标跟踪中研究中的一个热点。CAMShift算法是目标跟踪中的常用算法，而在人脸跟踪的应用中，传统的CAMShift算法就存在着人脸范围划分不准确、基准颜色信息不能动态适应目标的变化、对于被遮挡后再次出现的人物由于中间信息的丢失将不能连续跟踪等问题。本文针对其在人脸跟踪问题上的一些缺陷及功能上的不足进行改进，主要包括以下两个部分： （1）优化了传统CAMShift算法，提高了目标跟踪的准确性。包括局部预处理，在Mean Shift迭代中引入定位准确性的评价，对人脸的范围比例进行一定的约束，以及对目标的基准颜色信息进行动态的调整。 （2）在跟踪系统中加入人脸分类识别功能。利用“旋转的统—模式”LBP特征对跟踪到的人脸进行分类识别，把视频中一定时间范围内跟踪到的所有人脸图像进行分类，使得同一个人的人脸归为一类，解决跟踪中的遮挡丢失问题，也使跟踪系统在视频监控等场合中具有更好的应用价值。 实验结果表明本文提出的方法具有更好的跟踪效果，并使跟踪系统达到了能区分人脸所对应的身份的目的。