本文的中心议题是研究在人脸检测识别与跟踪领域中的热点问题和难点问题,以其中的各个有待改进的部分作为研究的目标,主要研究内容包括：1、分析和总结了在人脸检测识别与跟踪方面的研究历史和现状;2、针对当前国内外最流行的人脸检测识别与跟踪的技术、方法和框架进行了详细的论述,并给出了性能评价,指出存在的问题和有待改进的部分；3、结合本人在相关领域的大量实际工作,提出了多个具有创新意义的改进算法,并成功应用于人脸检测识别与跟踪领域。具体的突破和创新主要有以下几个方面：1、从提高实时检测人脸的速度和准确度出发,提出了结合快速模板匹配和支持向量机的人脸检测算法,在速度上有很大提升,同时还保持了SVM分类器抗干扰,稳定性强的优点。2、从适应遮挡的客观要求环境出发,改进Camshift在跟踪时发生遮挡而导致的丢失,同时还能保持原有算法速度快的优势。3、针对粒子滤波算法的鲁棒性和Mean-Shift的实时性,提出一种自适应结合两种跟踪框架的跟踪方法,有机的结合了上述二者的优点,在不损失可靠性的前提下大大提高了速度。4、针对人机交互系统中人眼部跟踪与状态识别的需求,提出了一种高效率的跟踪和识别方法,能够在较低的资源占用情况下,很好的完成眼部跟踪、与状态识别的任务。