基于视频的多视角人脸检测和跟踪是计算机视觉和模式识别领域的一个研究热点,它是人脸信息处理的基础,在人脸识别,人机交互,视频会议,第三代移动通信等很多领域都有着重要的研究和应用价值。本论文分析总结了近几年来国内外视频人脸检测与跟踪的相关研究成果,针对视频人脸检测与跟踪的鲁棒性和精确性等关键问题进行了理论研究和系统实验,重点研究了视频预处理算法,多视角人脸检测融合技术,人脸图像规范化,多视角人脸跟踪及监控人脸识别系统的设计。本文主要的研究工作及创新点如下:(1)针对实时视频以及监控场景的要求,对视频预处理算法,包括光照补偿技术,图像降噪,自动对比度增强算法,视频超分辨率算法进行了研究和系统实验。(2)在对比了现有人脸检测算法技术的基础上,实现了基于AdaBoost算法的多视角人脸检测,提出来一套多视角人脸检测算法流程,以及基于人脸特征和肤色模型的人脸图像验证算法和人脸重定位算法,实验结果表明本文的算法对于视频多视角人脸具有较高的检测率,检测速度快,且鲁棒性高。(3)在目标跟踪的基础上,针对多视角人脸跟踪问题,本文研究了基于粒子滤波的多视觉特征融合,多模型融合跟踪算法,并提出了一种基于子空间特征模型,结合人脸离线模型并自动进行在线学习的多视角人脸跟踪算法。在跟踪过程中,算法采用了一种新的自适应粒子滤波跟踪框架,人脸模型使用子空间特征模型,并对人脸的五个角度进行特征建模。实验结果表明,该算法能够跟踪多视角变尺度人脸,并实时分辨人脸姿态,对人脸的旋转,尺度变化,环境影响不敏感,具有较强的鲁棒性和精确性。(4)针对监控人脸识别系统的关键问题,本文研究并实现了最佳正面人脸识别图像选择算法,包括小波域图像评价算法、基于子空间降维的姿态估计算法、基于距离的人脸选择算法、基于SVM的人脸分类算法。本文提出了一种新颖的PTZ摄像机获取感兴趣区域高分辨率图像方法,设计实现了一套基于多任务决策融合编程架构的监控人脸识别系统,进行了研究论证和技术演示。