近年来,视频监控的发展方向在经历了数字化和网络化的发展后,现在逐渐向智能化发展。视频监控属于计算机视觉的范畴。计算机视觉就是通过计算机模仿人类的视觉系统,从而达到观察世界和认识世界的目的。视频中人脸检测与跟踪是计算机视觉领域的一个核心问题。随着计算机技术和数据存储技术的高速发展,人脸检测与跟踪具有越来越广泛的应用价值和研究意义,成为模式识别领域研究的热点之一。人脸检测与跟踪主要的应用价值有视频会议、人机交互、视频监控以及门禁系统等；研究价值主要体现在实际的环境给人脸检测与跟踪提出了更高的挑战,其中光照和姿态的变化是人脸检测和跟踪中的两大难题。本文在研究国内外的相关成果和最新进展的基础上,针对人脸检测和视频序列中的人脸跟踪问题,进行了相关的研究工作,主要包括：(1)提出了基于MCT的人脸表征方法,即利用局部结构纹理特征表征人脸模式,该方法可以较好地解决光照条件变化对人脸检测的影响,实验结果表明,用该特征表示不同光照下的人脸图像,具有一定的光照鲁棒性。(2)结合(1)中提出的新的人脸表征方法,提出了基于局部纹理特征的AdaBoost算法,并将该算法用于训练分类器,实现了人脸的检测。在训练分类器过程中,每个boosting循环都产生一个弱分类器,该弱分类器是由长度为511的索引组成。通过弱分类器的加权和得到元素分类器,最后由元素分类器的和求得强分类器。实验结果表明,与Viola方法相比,该方法可以用更少的级联数,得到与Viola方法相当的人脸检测结果。(3)提出了利用粒子滤波器和加权颜色直方图相结合以实现人脸跟踪的新方法。加权的颜色直方图综合考虑图像中颜色的局部分布及色彩所在的空间位置之间的关系。在粒子滤波理论框架下,从目标运动模型、视觉特征建模、目标观测模型三个方面给出了基于粒子滤波的目标跟踪算法的具体实现方法,取得了良好的跟踪效果。