当今时日,科学技术的发展突飞猛进,人脸分析技术在计算机视觉与模式识别领域的运用已经可适应各种模式与复杂场景。其在公安部门的反恐、维护秩序稳定实际操作中尤其有良好的表现和不错的效果。例如:对于大场景视频监控里的任意一个人进行身份识别、当一个人进入一个特殊区域的时候立刻对其身份进行识别。研究者在研究人脸识别技术中时,对课题进行了详细的分类,比如说可以分为人脸的存在检测、位置追踪、样本辨识等等。我由于自身工作原因,一直从事相关方面工作,需要监控浦东新区大量监控摄像头所拍摄到的公众安全事务,并对监控到的对象进行人脸的检测、并进行追踪,有需要的话还要与数据库内犯罪分子数据进行对比。为了能胜任本职工作,且增长在自身的知识储备,我选择了本课题进行研究,针对这次选定的项目内容,本论文考虑从以下这几方面着手进行循序渐进的研究:1.首先,本文罗列了人脸辨识工作的意义和现在越发广泛的应用场景并对本研究的现状作了简单分析,文中简单介绍了几种常见的与肤色有关的人脸色彩模型的各自优缺点,其中对基于肤色和图像似然度的人脸检测方法进行了着重地介绍并分析了其优缺点,因为这就是在本次研究中被采用的方法,而后简单地描述了下常用人脸检测技术的基本流程和步骤,并分析描述了一下复杂场景下的人脸辨识及常见干扰因素。2.而后本文针对当前人脸跟踪技术的热点,介绍了现在比较常用的算法与技术,其中对本文所使用的MEAN SHIFT人脸跟踪算法作了着重阐述。详细地介绍了其基本原理和主要实施步骤,同时也提出了该算法带来的增益和某些特定场景下的不足。3.根据已有文献提供的研究成果和实验数据,本文提出应用一种基于目标实时自适应更新的分块MEAN SHIFT算法,其组合了LBP(局部二值模式)能够与直方图配合以获取局部纹理特征的优点,其通过目标的实时自适应更新有效提升了目标跟踪算法的准确性,进而通过对目标实施分块多个小区域来进一步加强目标的局部特征,从而提高了算法在类肤色背景场景下的鲁棒性。最后分析了在使用MEAN SHIFT算法的情况下的不足,假如目标突然丢失或消失其在短时间内无法恢复跟踪的问题,并提出可以结合帧差法或者眼睛模块辅助方法来改进其效果。4.自成功完成人脸检测的基础上,本文接着通过对当前几种常用的基于特征子空间的人脸识别算法进行介绍和解析,充分应用了其采用的特征子空间方法的优点,同时在认识到单训练样本特征所扩展提取的样本存在缺陷基础上,提出了由原一维算法改进,应用一种基于二维图像矩阵的2D-LDA来进行人像辨识的算法。本方法首先需增加不够充足的单样本变量,所以通过应用泛滑动窗和旋转变换的方法来实现样本量拓展为12个,而后对所获得的样本量进行分块特征提取,并对已获取的样本变量加强其局部特征。经过一系列地转换工作,本文所提出的算法最终虽仍有相当不足,还是在与其它算法的比较中有效提升了人脸识别的准确率。5.结合自身工作,设计并实验了一个视频监控人脸追踪系统。