人脸识别技术是一种生物特征识别技术,其主要目的是让机器能够识别并确认图像或视频中的人脸,这种技术已广泛应用于信息安全、入口控制、证件验证等领域。同样,目标跟踪是计算机视觉领域的研究重点之一,其在实时监控和交通管制等方面已发挥了重要的作用。近年来,随着人工智能和机器人技术的发展,人与机器人的交互也愈发的重要,因此将目标跟踪技术应用在机器人上就具备了一定的实用价值。同时,人脸特征作为身份验证中较为理想的生物特征,它的唯一性、不易伪造性、易采样性是它在目标跟踪过程中作为主要特征的一大优势。本文的系统设计主要分为软件平台和硬件平台的搭建,并且对人脸识别算法进行了优化,缩小了目标类的类间距离,减小了采集过程中误差带来的负面影响,提高了人脸识别的准确率。本文主要的设计内容如下:首先,完成系统的总体框架和各个模块的设计。以VS2010、QT creator、CMake、mysql5.6、navicat for mysql和OpenCV 2.4.6计算机视觉库为软件平台,对基于人脸识别的检测跟踪系统的设计包括的模块有:算法模块设计、数据库模块设计、云台控制模块、交互界面设计。其次,改进人脸识别算法。在提取人脸Gabor小波纹理特征、应用PCA主成分分析降维的基础上,结合K-Means聚类算法改进了样本采集阶段,光照变化或表情差异较大造成的目标类间误差较大的情况。最后,以摄像头、云台、计算机为硬件平台,系统将目标位置发送给云台,使摄像头可以始终跟随目标人脸移动。实验结果表明,改进后算法的人脸识别准确率有了明显的提升。尤其针对采集过程中误差较大的情况时,有较好的鲁棒性。最后,本文讨论了该系统在实际生活中的应用意义与价值。