本文研究了结合AdaBoost和Camshift的视频人脸检测与跟踪算法,针对AdaBoost和Camshift算法的缺点提出了相应的改进算法。首先,研究了基于隐马尔可夫的模型的AdaBoost人脸检测算法。针对AdaBoost算法对侧面人脸和旋转人脸的检测正确率不高的缺点,提出了结合旋转人脸定位的改进AdaBoost算法。重点研究了旋转人脸定位的方法以及与之想配合使用的图像边缘检测方法,如Robert算子、Sobel算子、Prewitt算子、LOG算子、Krisch算子和Laplacian方向性边缘检测算子等。然后,研究了以颜色直方图为目标特征的Camshift人脸跟踪算法。Camshift算法可以有效的避免光照明暗对颜色信息的干扰,在跟踪过程中有很好的抗干扰能力。缺点是遇到有目标快速位移,发生严重遮挡情况下会出现丢失目标的情况。因此本文提出了结合Kalman滤波的增强型Camshift算法。Kalman滤波器是一个线性递归运算的过程,它利用系统前一时刻的状态对下一时刻的状态做最优估计,并且在预测与更新修正中不断的使估计结果达到最优。最后,借鉴Kalman滤波器的思想,提出了对Camshift窗口大小预测,根据预测结果修正Camshift的跟踪窗口的大小,在跟踪下一帧时只需要搜索经预测后确定的矩形框区域即可,大大减少了由于初始化搜索窗口和搜素不必要的区域而花费的迭代时间,保证了跟踪的实时性。