本文研究的主要内容为人脸特征的提取与跟踪。在机器视觉中,人脸特征的提取与跟踪起着十分重要的作用,如在虹膜识别、表情分析、人机交互等具体应用中,都需要提取人脸特征作为后续处理的基础。本文引入了一种基于改进色彩空间的人脸检测算法,该算法能较快的检测肤色区域并定位眼睛。针对眼睛特征的提取,本文提出了三种算法。第一种是基于Snake的眼睛特征提取算法,Snake是一种用于轮廓提取的算法,本文提出的改进算法首先需要建立眼睛区域的距离势能力场,然后用Snake方法眼睑轮廓进行匹配。在匹配过程中加入了修正算法,两段首尾相连的抛物线被用于Snake的初始化和匹配;第二种是基于改进Hough变换的算法,该算法采用改进的圆Hough变换来提取虹膜、眼睑轮廓和眼睛角点等眼睛特征,由于利用了梯度信息,计算复杂度得到了降低;第三种算法直接使用梯度信息来提取眼睛特征。我们在一个较大的数据库中做了实验,证明了这三种算法都能较好地提取眼睛特征。针对人脸跟踪,在第四章中提出了一种改进的Mean Shift跟踪算法,该算法采用了混合目标模型。与固定目标模型的Mean Shift算法相比,改进算法能较好地对复杂背景下的旋转人脸进行跟踪。