人脸检测与跟踪是机器视觉和模式识别领域里备受关注的一个研究课题,随着相关研究人员多年的深入研究,人脸检测和跟踪的研究不断涌现出新的方法,特别是在精度和速度方面,近年来取得了长足的进步。本文在前人研究成果的基础上,在人脸检测和人脸跟踪两个方面均提出了新的改进的方法,成功的提高了人脸检测和跟踪的精度。本文在研究了人脸检测方面的相关研究成果之后,采用了Adaboost算法建立了人脸检测系统,并进一步提出了一种新的优化算法。该算法通过内部结构检测、内部结构交叠和嵌套的排除、人脸区域嵌套的排除等方法的融合,有效的降低了误检率。本文在Windows环境下,利用Visual C++进行算法的编程,建立了一个人脸检测系统,同时自建了人脸数据库。本文同时采用MIT人脸库和自建人脸库对Adaboost强分类器进行了有效的训练,并且通过多角度的计算机实验证明了此种融合算法对于公用分类器和自建分类器均具有明显降低误检率的效果,因此,该优化算法提高了人脸检测的精度。本文在研究了人脸跟踪方面的相关研究成果之后,采用了Camshift算法建立了人脸跟踪系统,并进一步提出了优化的初始化方法,该算法通过Adaboost人脸检测方法来自动初始化跟踪模板,取代了传统的手动初始化方法。本文在Windows环境下,通过Visual C++编程,实现了无人值守的人脸跟踪系统。本文还就自动初始化跟踪模板的方法的不稳定问题提出了优化的方法,该方法利用模板大小变化、位置变化及持续时间等要素来提高模板初始化的稳定性,本文通过计算机实验证明了该方法有效的降低了Camshift跟踪的不稳定性。因此,该优化算法提高了人脸跟踪的精度。本文在结合了Adaboost人脸检测与Camshift人脸跟踪的特点,以及本文的优化算法的基础上,在Windows环境下,利用Visual C++编程实现了一个快速的人脸检测与跟踪系统,并且通过计算机实验证明,该系统有效的提高了人脸检测与跟踪的精度。