近年来,随着信息技术及应用领域的不断发展,人脸检测与跟踪技术成为计算机应用领域的一个研究热点,不断有新的研究成果出现。本文从人脸检测和人脸跟踪两个方面展开研究,并应用于服装展示录像之中。论文首先分析了大量近年来国内外关于人脸检测与跟踪的技术与应用。讨论了国内外目前在这两个领域的研究现状,当前存在的难点以及各种检测跟踪方法的优缺点。在此基础上,提出并实现了一个人脸检测和跟踪的系统。其主要研究工作如下:1、对已有的大量人脸检测算法进行深入研究,对各种人脸检测算法进行比较后,提出了一种利用肤色提取候选人脸区域,再利用级联分类器进行人脸验证的快速人脸检测算法。这种方法将图像转换到YCbCr彩色空间,利用肤色特征,根据设置的阈值将肤色区域从复杂的图像中分割出,从而得到人脸候选区,最后利用级联分类器进行人脸验证。针对光照不足问题,本文提出了一种自适应的光照补偿方法。进而也提出了一种快速有效标识人脸侯选区域的技术。2、采用“积分图”方法快速计算矩形特征值,生成简单分类器并优化其权值,然后构造了一个高效的强分类器,最终将单个强分类器级联成一个更加复杂的级联分类器用于人脸检测。针对AdaBoost算法在训练分类器时训练耗时的问题,提出了一种快速训练算法。实验表明此算法有较高的训练效率。3、提出并实现了基于卡尔曼滤波算法的人脸跟踪方法。该方法结合了人脸检测与跟踪两方面的内容。先采用级联分类器进行人脸检测,提取人脸信息,再用Kalman预测算法预测下一帧中目标人脸的位置和大小并进行确认,同时记录要跟踪的人脸信息;最后根据结果更新记录的人脸信息,从而实时跟踪每帧中的人脸区域位置。实验表明该算法简单计算量小,跟踪速度快。