运动人物的识别与追踪问题一直都是计算机视觉领域的热点研究课题。随着近年来人工智能的发展,深度神经网络的应用涉及到了各个领域。相较于之前的解决方法,甚至有些问题基于深度神经网络而有了更好的解决方案。本文主要讨论的是基于人脸识别锁定目标人物,并且实现对目标人物的运动追踪。本文的研究内容总体可以分为两个方面。第一个方面,是目标人物的识别问题。由于目标个体整体特征不具备识别性,整体识别易导致误差,因而本文采用的是基于面部对目标人物进行识别的方式。本文介绍了深度神经网络在面部识别方面的应用,最终选取不依赖于任何第三方库函数并且开源的SeetaFace人脸识别系统。代码基于C++实现,该系统开源协议为BSD-2。第二个方面是运动人物的追踪问题。当通过算法识别到图像内出现与目标人脸相似度达到一定水平时,将自动切换至追踪运动人物的整体躯干部分。在追踪部分对比了多种算法,并结合实验数据进行对比。针对遮挡与相似颜色干扰两个问题,本文提出了基于方向预测的受限CamShift算法(RCA—DR)。RCA—DR选用经典的CamShift作为优化基础,与卡尔曼滤波相结合以防止存在目标被遮挡的情况,并且融入帧间差分算法防止相邻帧之间出现相似颜色的干扰。经过试验验证,人脸识别与跟踪算法的衔接可行,并且这一解决方法在跟踪的过程中既防止相似颜色物体干扰与被遮挡的问题,又保证了追踪过程的稳定性,并在鲁棒性、精确性和实时性等方面也取得了很好的效果。