人脸检测与跟踪是人机交互领域一个重要和前沿的研究课题,近年来随着智能监控、视频会议、视频检索等诸多应用的推动,已经成为各国研究机构竞相涉足的热点领域。本文针对彩色序列图像中的人脸检测和跟踪技术进行了深入的研究,主要内容包括以下几个方面:1.在对人脸检测技术的产生、发展过程进行调查研究的基础之上重点研究了Adaboost人脸检测算法,介绍了Haar矩形特征、积分图像和级联分类器的概念,并受积分图像的启发提出了肤色概率积分图的概念和一种基于子图肤色初检和Adaboost算法的人脸检测方法,将肤色模型很好的融合在Adaboost算法的子图分类判断的过程当中,实验证明本算法可以降低Adaboost算法的误检率并提高其检测率。2.在对各种人脸跟踪方法进行了分析之后,提出了一种基于人脸检测和改进的CAMSHIFT算法的人脸跟踪方法。本文在原始的CAMSHIFT算法基础上,首先运用Adaboost算法快速检测出人脸区域,然后通过Canny检测,搜索边界得到较精确的人脸区域,以此区域作为根据计算CAMSHIFT算法的人脸肤色盲方图查询表,同时在跟踪过程中利用形态学约束和Kalman滤波进行跟踪,建立起一个完整的人脸自动跟踪系统,能够更好的解决发生遮挡、类肤色干扰以及快速移动等情况时的人脸跟踪问题。3.针对复杂背景下的人脸跟踪情况,研究了粒子滤波的一般原理,提出并实现了一种基于粒子滤波、肤色特征和椭圆约束的人脸跟踪方法。实验证明本算法在复杂的运动背景下也具有良好的跟踪效果。