图像中的人往往是整个图像的中心,而根据人眼的视觉特性,人们通常对图像中人的脸部区域更感兴趣,因此人脸相关的图像处理技术成为了计算机视觉中的一个非常重要的研究方向。人脸处理技术在身份验证、人机交互接口、智能视觉监控、基于感兴趣区域ROI(Region of Interest)的编码与传输、可视电话等领域有着广泛的应用,有着广阔的发展前景。本文研究的目标是在人脸检测的基础上进行人脸跟踪,选用快速有效的人脸检测算法,在保证实时性的基础上,提高人脸跟踪的准确性。本文研究的内容主要分为三个部分:人脸可能区域的获得,人脸检测,人脸跟踪。本文采用帧间差法对视频图像进行运动检测,获得运动区域。研究了经典的Hsu R L肤色检测算法,在运动区域内进行肤色检测,得到有可能存在人脸的区域,以减少后续人脸检测的范围,提高检测速度。对可能存在人脸的区域进行人脸检测,本文深入研究了经典的Adaboost人脸检测算法,同时针对Adaboost经典算法对人一定角度的侧脸检测率不高的问题,本文分析了人侧脸的五官结构在透视情况下的特性,改进了传统的Harr-like特征,得到一系列具有透视特性的进行侧脸检测的特征,将这些侧脸特征与传统的Harr-like特征一起构成新的特征库,用Adaboost算法构建分类器级联结构。通过实验证明,在针对侧脸情况下进行人脸检测时结合使用本文的特征具有较好的效果。本文通过对马赛克图像法的研究提出了针对多尺度五官结构的正面人脸模板,并且根据透视原理提出了侧面人脸模板。利用这些模板来限定Adaboost人脸检测法中传统的Harr-like特征与侧脸特征的空间位置大小关系,整合了特征,组合成强分类器。使用该强分类器对符合人脸模板的典型人脸进行检测时具有较快的检测速度,与用Adboost算法构成的分类器级联结构结合起来进行人脸检测。实验证明,运用本文方法进行人脸检测具有较好的实用性。把检测到的人脸作为目标进行跟踪,本文采用Kalman滤波预测人脸运动区域,并使用计算图像间的协方差值来判定图像相似度的模板匹配法来进行人脸目标匹配,具有较好的实用性。实验证明,在本文提出的人脸检测法的基础上进行跟踪具有速度较快,准确性较高的特点。