人脸检测与跟踪技术是智能监控、虚拟现实、表情分析等领域中的基础性环节,能否准确地检测出人脸是进行人脸识别的前提条件。随着这些领域的不断发展,对人脸检测与跟踪技术提出了更高的要求,这就迫切需要提高在真实场景中人脸检测与跟踪的能力。由于人脸受光照、肤色纹理、表情、姿态等一系列因素的影响,这就给人脸检测与跟踪带来了困难;同时,对于视频序列中的多人脸跟踪,最大的问题是能否满足实时性的要求,以及遮挡问题。能否很好的处理遮挡,无疑是对目标跟踪提出了更高的要求。因此,如何实时、高效地跟踪人脸目标以及如何有效地适应人脸目标的运动和特性变化是要解决的两个关键问题。视频序列中的人脸跟踪,其核心过程主要包括两个方面:人脸检测与人脸跟踪。视频序列中的人脸检测是人脸跟踪的基础,只有正确找到人脸目标的所在位置,才能实现人脸的跟踪。随着这几年机器视觉、目标检测领域的发展,人脸检测的方法也是越来越多,而基于级联分类器的AdaBoost算法是目标检测领域公认的最有效的方法之一。本文分析了AdaBoost算法存在的缺陷,提出了一种新的基于特征简化的AdaBoost算法,在保证检测精度的同时,使训练速度提高了20倍以上。为了进一步提高级联分类器的检测速度,达到视频序列中实时多角度、多人脸检测的目的,引入了肤色特征。利用本文提出的结合积分图和肤色特征的方法,可以快速排除非目标区域,提高检测速度,实现了视频序列中多角度、多人脸的快速实时检测。对于人脸跟踪,在保证跟踪正确率的同时要确保跟踪的实时性,本文利用CamShift算法,避免对每帧图像的全局搜索,达到了视频序列中的快速人脸跟踪。当多个人脸目标在视频序列中运动时,出现目标遮挡是不可避免的,为此,本文引入了卡尔曼滤波器算法,在人脸运动过程中不断更新被跟踪人脸的运动模型,一旦出现被跟踪人脸遮挡时,利用卡尔曼滤波器的预测结果,更新被遮挡目标的位置。经实验证明,本文提出的算法对视频序列中的多角度人脸跟踪取得了很好的效果。