人脸识别与跟踪是利用图像处理技术从包含复杂背景的图像序列或者信源数据中检测出人脸，并对感兴趣的人脸进行跟踪。人脸识别与跟踪技术在社会生产生活中有着广阔的应用前景，它可应用于视频监控、人机交互、表情分析等诸多领域，近年来，随着图像处理技术的发展，人脸识别与跟踪的研究也越来越受到研究者的重视。基于这样的考虑，本文提出了一种基于Adaboost算法与SIFT图像匹配的人脸识别与跟踪系统。整个系统从功能上可以分为图像预处理、人脸检测、人脸识别以及人脸跟踪四个部分。首先，系统对输入的图像进行合适的预处理操作，然后使用人脸检测算法检测输入图像中的人脸，接着，对检测到的人脸进行图像匹配识别出是否含有目标人脸以及目标人脸的位置，最后针对图像序列对目标人脸进行跟踪。人脸检测部分，本文采用了基于Haar_Like特征的Adaboost机器学习算法。在原始算法的基础之上，改进了算法的权值更新规则，使得算法的健壮性得到提高，改善了算法的应用性与有效性。人脸识别部分，本文采用了基于SIFT算法的人脸识别算法。SIFT算法具有优异的尺度不变性、旋转不变性以及一定的抗仿射变换能力，能够解决人脸识别中经常出现的旋转、尺寸不匹配等问题。人脸跟踪部分，本文采用的方法是对连续图像序列的每一帧图像进行上述的人脸检测与识别处理来定位每一帧图像中的目标人脸图像。在理论的基础之上，本文借助OpenCV、VC++以及Matlab等工具进行了丰富的实验，探讨了算法改进、预处理技术以及系统参数等因素对系统性能的影响。通过对实验结果的分析，论证了算法的改进能够提升系统的性能，并提出了合理的预处理方案以及合适的系统参数。整个系统取得了理想的结果。