伴随着科技的迅速发展,计算机技术在当今社会生活中扮演着非常重要的角色,计算机处理视觉信息的能力,在很大程度上弥补人类在视觉上的短板,因而使得计算机视觉研究也变成了现如今非常诱人的科研方向之一,计算机视觉分析是一门交叉性较强的学科,它包含了图形图像处理,模式识别,人工神经网络等。而计算机视觉研究的目的是为了通过对视频图像的分析使得计算机感知环境中的物体的几何信息,包括它的形状、位置、姿态、运动等,如今视频图像分析技术在图像分割、行为识别、目标跟踪等领域的成果正日益广泛的用到了企业安防、航空航天、智慧交通以及家庭安全等诸多领域。本文主要研究了非限制性条件下人脸检测算法,基于现有的检测算法进行改进优化,同时基于现有的目标跟踪算法进行性能提升,并且通过人脸检测、目标跟踪以及卷积神经网络的相关的技术知识学习与总结,完成了大量基于卷积神经网络的人脸检测与识别、目标跟踪的实验,并将所研究的算法运用到实际的安防产品中去,并在工程方面不断优化。本文着力研究的方面包括:1)设计出快速精准的检测网络。本文经过大量的实验分析,设计出一个快速的深度卷积神经网络,基于已有的目标检测模型进行改进,将目标检测算法改成通用的人脸检测算法,通过对网络结构的修改、参数调优以及部分策略的运用,实现了在提高检测速度的同时在速度与准确率之间达到一个平衡。此外本文使用了香港大学,商汤科技,中科院深圳先进所联合发部的Wider Face数据集来进行训练,并在人脸数据集FDDB上进行测试,验证训练模型的可行性;2)研究了基于元递归神经网络的目标跟踪算法,根据长短时记忆记忆网络结合时空上下文信息,将连续视频序列的信息联系起来,通过元学习,学习初始化参数增强模型对于未来帧的鲁棒性,并且在VOT数据集上进行训练,在OTB数据集上测试跟踪模型性能;3)设计了在复杂场景下基于人脸识别与目标跟踪的安防系统:本文设计了一个具有人脸检测、人脸识别、目标跟踪、存储数据,实时报警以及区域轨迹展示的多功能安防系统。经过对算法的准确性以及系统稳定性的测试,在ISC(International Security Conference,原中国互联网安全大会)大会、国家网络安全周上进行展示,取得较好效果。