在当今的信息化社会中,如何可靠有效地鉴别个人身份已成为一个非常重要的问题,生物特征识别技术以其唯一性、可靠性因此具有传统的基于密码、证件、及信用卡等鉴别身份方法所无法比拟的优点,自动人脸识别技术由于其具有友好直接的优点尤其得到人们的广泛关注。人脸特征检测是指在包含人脸的静态图像或动态视频中找到人脸的位置,进而定位出人脸上眼睛、鼻子、嘴巴等特征的位置的过程。快速精确地实现人脸特征检测是组建高性能自动人脸识别系统的前提条件。本文对人脸特征检测算法的算法进行深入的研究,提出并实现了在动态的摄像头视频中进行人脸特征检测及跟踪的一些方法。首先,利用基于adaboost的人脸检测算法与基于YCbCr颜色空间的肤色特征定位算法实现了一种简单可行的人脸特征检测与跟踪的方法。基于adaboost的人脸特征检测算法实时、准确,它利用人脸的类Haar形状特征采用adaboost机器学习算法训练人脸检测分类器进行人脸检测,是目前最优秀的的人脸检测算法,在实现人脸检测的基础上本文利用肤色在YCbCr颜色空间具有良好聚类特征的特点实现了人脸特征的定位与跟踪,达到较好效果。其次,提出并实现了一种准确可靠的结合主动外观模型(AAM)算法与adaboost人脸检测算法的人脸特征检测与跟踪算法。AAM算法是利用主成分分析(PCA)对人脸的形状、纹理信息等全局特征进行训练,得到一组外观模型参数,通过调整这些参数能够实现对人脸的特征的精确定位,但是由于AAM拟合算法对模型的初始放置位置的要求比较苛刻,因此本文提出采用基于adaboost的人脸特征检测算法解决这一难题,并最终实现了快速可靠地进行人脸特征的检测与跟踪。