当前社会对视频中人脸的检测与跟踪技术是计算机视觉领域的关键课题之一,它将图像处理、模式识别等技术融合起来,在很多方面发挥着重要的作用。在复杂环境应用需求持续旺盛的今天,如何精确并且智能化的检测和跟踪人脸已经成为当今时代的迫切希望得到突破的命题。对于人脸的跟踪的研究,通常分为两个主要部分:一是人脸特征的检测与提取;二是人脸特征的跟踪。对人脸进行有效跟踪,必须能够提取出人脸有效特征,否则就有可能出现目标丢失、跟踪失败等问题。本文介绍了人脸特征研究的背景和意义,对该领域的国内外研究现状进行了介绍,阐述当前该领域的主要问题,在此基础上开展了人脸特征检测及跟踪研究。在基于人脸范围的检测方面,本文介绍了常用的两种人脸的检测方法,即基于肤色的人脸特征的检测和AdaBoost方法。首先详细介绍了两种算法的原理,然后做了对比实验,比较了各自的检测效果。通过实验发现,基于AdaBoost的人脸检测方法提取到的人脸位置要优于基于肤色的人脸特征的检测方法,并在此基础上提出了一种基于聚类分析的人脸主对称轴检测方法,便于将提取的人脸进行位置和方向的检测。在人脸目标跟踪部分,采用CamShift算法实现跟踪,Camshift算法是一种基于直方图模型的跟踪方法。为了更好地对人脸进行跟踪,本文对基本CamShift算法进行了改进,提出基于纹理和色度相融合的跟踪方法,创建关于目标的色度-纹理联合直方图模型,由此设计出基于色度-纹理联合特征的跟踪算法,该算法以人脸的色度与纹理特征建立模型,具有一定的鲁棒性。充分利用目标人脸检测的结果,实现了人脸的自动跟踪。最后,将改进后的CamShift算法引入到跟踪系统中并对其效果进行验证,结果表明,该系统能够满足实时性跟踪要求,且对背景干扰具有一定的鲁棒性。