随着人工智能和计算机技术的发展,机器视觉技术研究取得了长足的进步,并引起了越来越多的关注。目前,根据机器视觉完成的检测、识别、跟踪广泛应用于国防建设、航空航海、医药卫生、安全监控等国民经济的各个领域。人脸检测与跟踪则是其中一个重要的应用方向。人脸检测的目的是检测某监控区域内是否出现人脸并确定人脸出现的位置、大小等信息;目标跟踪的目的是对选中的目标进行轨迹的描述,涉及到目标特征的提取、目标的匹配等多个方面。本次研究的主要目的是实现对视频序列中人脸的实时监控。系统由检测和跟踪两部分组成,本文分别对检测和跟踪的算法进行了分析和研究,并提出相应的改进依据和改进方法。最终将二者结合起来,实现了对人脸轨迹的描述。本文的检测算法主要基于AdaBoost算法。通过分析AdaBoost训练和检测的过程,指出影响AdaBoost检测速度的要素,并提出了通过区域生长、腐蚀等预处理方式进行区域的合并,降低背景的复杂度,从而提高检测的速度。此外,本文通过训练得到了侧面人脸级联分类器,增加了对侧面人脸的检测模块,采用串并联结构将正面人脸和侧面人脸的检测综合起来,扩大了系统对人脸的检测范围。本文的跟踪算法主要基于粒子滤波算法。通过分析影响粒子滤波跟踪速度和跟踪效果不稳定的原因,提出了自适应粒子离散度控制机制和类菱形的搜索模型,重新定义了特征提取的规则,提高了系统的速度和跟踪效果的准确性。本文将检测和跟踪结合起来,把跟踪的结果作为反馈,重新设定感兴趣区域并送回检测系统,进而校验并标定人脸的准确位置,降低了系统的虚警率。同时,本文分析了后处理过程中加入人眼模型作为检验的优点和局限性,并指出其适用情况。本文的研究最终在PC平台下实现了一个基于Intel OpenCV数字视频处理软件开发包的人脸检测跟踪系统。实验结果表明,该系统对正面人脸和侧面人脸的检测都有较好的检测效果,降低了虚警率,平均每帧的处理速度在50ms左右,基本能够满足实时监控的要求。