人脸检测与跟踪技术广泛的应用于智能门店系统、智能零售以及视频监控等领域。本文在研究了部分人脸检测与跟踪算法之后,提出了使用YOLOv3算法训练人脸检测模型。并针对KCF跟踪算法在跟踪过程中的不足,提出了如下改进方法:(1)提出了多特征融合的策略。将HOG特征与颜色特征计算得到的响应结果按照一定权重相融合,并选择融合之后响应的最大值所在的位置作为跟踪目标的位置。(2)提出新的模型更新策略。由于跟踪目标发生遮挡时,如果继续以之前的权重更新模型,则会由于背景污染模型,使得跟踪目标丢失。故本文提出当判断跟踪目标丢失时,即可停止对模型的更新,直到判断目标出现则继续更新模型。(3)提出尺度更新策略。由于跟踪算法不能够解决跟踪目标的尺度问题,本文借鉴DSST算法的尺度滤波器,解决本文基于KCF改进算法的多尺度问题。最后本文提出多人脸检测与跟踪算法,将人脸检测与跟踪相结合,并提出了两种检测与跟踪相关联的方法。一种是将跟踪的人脸标记,然后再检测标记后的图像是否存在人脸。如果存在则分配新的跟踪器跟踪。第二种是使用距离精度以及交并比计算检测到的人脸与跟踪的人脸的相关性。当计算之后如果检测到的人脸没有与之相关联的跟踪人脸,则判定为新检测到的人脸,并赋予新的跟踪器。之后使用sobel边缘检测算子从第二种关联方案中得到更清晰的人脸图片去完成人脸识别。