本文主要研究了人脸检测与跟踪问题。人脸检测与跟踪技术是计算机视觉中的关键技术。计算机视觉中的人脸信息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,所有这些方向都涉及到人脸的检测与跟踪问题。本文分析了近年来国内外大量的关于人脸检测与跟踪的学术研究成果,在前人提出的一些经典算法基础上,对如何建立高效的自动人脸检测和跟踪系统进行了深入的研究,对一些算法做了关键性的改进,提高了系统检测和跟踪的性能。本文的主要工作如下:　　 在人脸检测方面,本文采用了基于AdaBoost的人脸检测算法,基于AdaBoost的人脸检测是从一个较大的特征集中选取少量关键的haar-Iike矩形特征,通过这些矩形特征训练若干个弱分类器来产生一个高效的强分类器,再将若干强分类器级联成为一个更加复杂的分类器,最后通过该级联分类器实现人脸的检测。通过它可以检测多种格式的正面正直人脸图像,检测速度快,实时性好,检测率高。本文将混合高斯模型的运动区域检测方法运用到人脸检测中,在对每帧图像进行人脸检测前先进行运动区域的检测,这样就缩小了可能存在人脸的区域范围,然后在检测到的运动区域和上一帧人脸所在区域(如果人脸没有明显的位移)再运用AdaBoost人脸检测方法,从而既提高了系统的检测速度,又降低了系统的误检率。　　 在人脸跟踪方面,本文主要研究了两点:一是结合Kalman运动预测实现CamShift算法的人脸跟踪；二是图像金字塔技术与Lucas-Kanade光流法相结合的人脸跟踪算法。在前者中首先用Kalman运动预测算法预测下一帧中的人脸的可能位置,然后以该预测的位置为搜索中心进行目标人脸的搜索和匹配,根据匹配的结果更新目标人脸的信息,并输出校正后的结果,从而实现人脸的跟踪。该算法计算量小,跟踪速度快,在一定程度上提高了遮挡时或遇到类肤色物体时的抗干扰能力；在后者的研究中提高了普通光流法中遇到大矢量运动时光流特征点定位跟踪不准确的问题。