多姿态人脸检测与跟踪技术是计算机视觉与模式识别领域重要的研究热点,在视频会议、人机交互、图像检索,智能监控等方面有着巨大的应用前景。然而其检测的准确性和实时性仍是亟需解决的课题。本论文是基于视频序列中不同视角的人脸检测和跟踪问题,结合人脸图像预处理与后跟踪算法,提出了基于改进的Adaboost的人脸检测算法：首先介绍视频图像处理现状和基本方法,其次阐述视频人脸检测框架设计与代码实现,最后在视频环境中验证人脸检测的效果和分析存在问题。本论文主要是研究与实现了在视频序列中多姿态人脸检测与跟踪技术,着重研究了Adaboost人脸检测算法、Camshift算法和Kalman滤波等算法,主要分为以下模块：(1)图像预处理和运动目标预估计模块：图像预处理主要包括滤波、形态学算法和图像归一化：运动目标预估计的主要目的是介绍基于背景差分法的混合高斯模型提取运动的前景,然后提取运动目标的轮廓,并把此区域设置为兴趣区域,以缩小人脸检测的窗口搜索的范围。(2)人脸检测模块：主要研究了Adaboost算法的基本原理,包括Haar特征、积分图和级联分类器等理论,该方法具有较高检测率和实时性的优点,但同时也存在着误检率高的问题。本文在分析了其算法的不足之处,结合SVM和粒子群优化的思想,提出了基于Adaboost的改进的PSO-AdaBoost算法,另外首先结合肤色模型预检测人脸区域,然后以此区域用于人脸检测系统。(3)人脸跟踪模块：基于Camshift算法和边缘检测的思想,同时利用形态学算法和kalman滤波进行预测更新,可以更加准确的人脸的快速跟踪。