人脸检测与跟踪是人脸信息处理技术的关键。人脸图像处理领域包括人脸识别、姿态估计、表情识别、视频监控等多个研究方向,而几乎所有这些方向都涉及到人脸的检测与跟踪问题。本文在分析和讨论了近年来国内外关于人脸检测与跟踪的学术论文及研究报告的基础上,对人脸检测与跟踪算法进行了较深入研究,并根据国内外人脸检测与跟踪技术的研究成果,研究并实现了基于Camshift和粒子滤波算法的人脸检测和跟踪方法。本文主要研究工作如下:1、针对传统Camshift跟踪算法实际应用的不足,对这一人脸跟踪算法进行相关改进。研究了基于Kalman滤波的Camshift算法和基于AdaBoost检测的Camshift算法, Kalman-Camshift算法具有更强的鲁棒性,能够满足实际场景背景颜色与目标相近、存在遮挡的要求,提高了跟踪的匹配度和精度; AdaBoost-Camshift算法利用人脸区域检测初始化跟踪窗口,实现了多目标下的全自动实时跟踪。2、对比粒子滤波算法和扩展Kalman算法的状态估计,分析了在非高斯非平稳模型下粒子滤波算法的优越性,并讨论了Mean Shift和粒子滤波算法的优点,提出将Mean Shift算法和粒子滤波算法有效结合,利用Mean Shift算法的良好的实时性和粒子滤波算法较好的鲁棒性来解决严重遮挡情况下的跟踪错误甚至丢失的情况。实验结果验证这一改进的算法在目标人脸严重遮挡的跟踪过程中具有更好的跟踪实时性和鲁棒性。本文利用Visual C++和OpenCV平台对文中所提出算法进行验证,并且在不同场景下进行实验证明了所研究的检测和跟踪算法的有效性与合理性。