人脸视频跟踪是视频交互的重要技术之一,可靠的人脸跟踪也是人脸识别和人脸表情分析的重要前提。然而在复杂环境下进行有效、准确得人脸跟踪至今仍是一个难题。本文简要阐述了目标跟踪的概念、基本原理、特征提取和经典算法等问题;着重讲述了新提出的改进算法的具体跟踪流程,包括目标检测,均值漂移算法在人脸跟踪中的应用,粒子滤波框架如何整合均值漂移技术使得本文提出的算法在目标跟踪过程中提高了跟踪准确性、减少粒子数量、降低粒子滤波的计算代价;最后通过实验显示了本文算法的有效性。本文结合均值漂移(Mean-Shift)和粒子滤波(Particle Filter)提出了一种新的算法应用于自适应人脸跟踪系统。均值漂移和粒子滤波在人脸跟踪方面都有各自的优势与不足:均值漂移在人脸跟踪过程中体现出了准确跟踪和快速收敛的特点,然而由于此过程是一种单值跟踪算法,一旦受到干扰很容易丢失目标;粒子滤波的多值假设跟踪特性恰好弥补了均值漂移的不足,增强了跟踪过程的鲁棒性。因此将均值漂移应用于粒子滤波框架起到了优化粒子滤波算法的作用,同时保留了粒子滤波多值假设跟踪特性,使得跟踪过程不仅具有鲁棒性,同时具备了跟踪的准确性。精确的人脸定位为计算跟踪窗口大小提供了可能,因此本文还尝试了自适应人脸跟踪课题,取得了一定进展。实验结果表明本文提出的算法具有很强的鲁棒性和准确性。