随着人工智能、人机交互、虚拟现实等技术的发展，计算机视觉领域逐渐成为了一个备受关注的研究领域，人脸检测技术则是其中的一项关键技术。人脸检测是指对于给定的输入图像进行搜索并确定是否含有人脸，若有则返回相关参数等信息。人脸检测的方法有很多，主动表观模型(ActiveAppearance Model，AAM)是一种典型的人脸检测方法。AAM利用构建好的可变形模型对输入图像中的人脸目标进行匹配，并将成功匹配后的模型参数作为人脸检测和人脸特征检测的结果。本文主要研究和改进了基于AAM的人脸检测方法，并在此基础上提出了一种基于AAM的人脸姿态估计方法和人脸视频跟踪方法。本文介绍了传统AAM算法建立模型和建模后进行拟合的过程，针对AAM受初始化位置影响较大的情况，改进了AAM的模型初始化方法，并在AAM拟合式中增加了一项约束条件，使模型更加容易收敛到正确的位置；针对AAM关键特征点拟合不够精确这一情况，在拟合式中加入了纹理权重，使模型拟合的时候优先考虑关键特征的纹理，减少关键特征拟合不够精确的情况。实验证明，本文算法的检测结果比传统AAM算法更加准确有效。本文提出了一种基于AAM人脸检测的人脸姿态估计方法。该方法主要利用不同的形状参数使AAM模型表现出不同的姿态外观，并根据AAM拟合成功后的模型形状参数结合检测出的人脸特征位置来估计人脸姿态。实验证明本文提出的人脸姿态估计方法能有效的估计人脸姿态。本文改进了基于AAM的人脸跟踪算法。本文在原始AAM跟踪算法基础上，利用连续两帧之间目标的光流场来估计目标在两帧间的运动情况，然后根据目标的运动情况更新AAM模型在后续待检测帧的初始化位置，使模型开始检测时的位置更加靠近目标，达到快速收敛的效果。实验证明，在目标存在较大幅度运动的情况下，本文方法较原始方法具有更好的效果。