人脸检测和人脸跟踪在视频监控、生物特征识别、人机交互、基于内容的图像检索、视频编码等方面都有着广泛的应用，具有广阔的应用前景。本文主要研究智能视频监控中的人脸检测及自动跟踪，总结并分析当前人脸检测和人脸跟踪技术的发展，对基于AdaBoost人脸检测算法和基于CAMShift的人脸跟踪算法做出一些改进。本文做了如下具体工作：1、提出并实现基于Gentle AdaBoost算法和嵌套级联结构(Nesting CascadeStructure)的人脸检测器训练方案，实验表明该方案能大幅减少级联分类器中所含的弱分类器个数，提高监控系统人脸检测的准确率和检测速度。为了缩短训练人脸分类器所用的时间，利用OpenMP并行编程技术加快训练过程。2、在基于Gentle AdaBoost和嵌套级联结构的人脸检测算法基础上，提出以运动检测为预处理，以肤色验证为后处理的快速人脸检测系统。运动检测用于减小人脸检测的搜索范围，肤色验证用于排除纹理干扰。其中肤色验证可根据人脸候选区的平均亮度自动开启或关闭，进一步降低误检率。3、在人脸跟踪方面，提出一种CAMShift的改进算法，通过引入Haar特征前置滤波，消除类肤色干扰。实验结果表明，该方案解决了CAMShift算法易受类肤色干扰导致目标丢失的问题，显著地提高了人脸跟踪算法的鲁棒性。