生物特征识别技术在人机交互(Human Computer Interaction,HCI)技术中占有重要地位,同时可以广泛应用于国防安全,智能监控,电子商务等诸多应用领域,近年来受到越来越多研究学者和相关技术人员的重视。人脸生物特征由于其稳定性好,特征明显,以及便于采集等优势备受瞩目。对包含人脸图像的研究是智能视觉人机交互,人脸识别,目标跟踪,姿态估计,以及面部表情识别等人脸处理研究中必不可少的组成部分,为了构建全自动人脸图像分析系统,迫切需要鲁棒和有效的人脸检测与跟踪算法。本论文针对传统连续自适应均值漂移(Continuously Adaptive Mean Shift,Cam Shift)跟踪算法的缺陷进行了改进,设计了全自动人脸检测与跟踪算法的新方案,详情如下:(1)详细介绍了人脸检测与跟踪技术的发展与现状,通过研读大量国内外相关资料,将人脸检测技术的基于知识,基于特征不变量,基于模板匹配,以及基于表观等传统方法进行归纳总结,将人脸跟踪方法从基于人脸检测和基于运动目标跟踪两类方法进行归纳总结,并提出了该项技术在实际应用过程中的不足之处。(2)在研究传统Cam Shift跟踪算法基础上,针对其特征模型对目标相似颜色背景和遮挡干扰,以及环境光照变化等不利因素会产生严重影响的问题,提出在原有颜色特征模型的基础上,融合局部二值模式或可变局部边缘模式纹理信息,构建有效的克服上述不利影响的目标特征模型,为后续实现鲁棒、稳定的跟踪提供必要条件。(3)在研究传统Cam Shift跟踪算法的基础上,针对其对人脸姿态剧烈变化会产生不利影响的问题,提出利用卡尔曼滤波反馈预测机制与Cam Shift算法相结合,同时结合上述融合特征模型,设计并实现了能够有效克服被跟踪目标剧烈姿态变化的人脸检测与跟踪算法,并且最终实验结果验证了该算法的有效性和可行性。