随着信息技术的高速发展,智能人机交互系统的应用需求,人脸问题的研究作为计算机领域的核心课题之一,具有越来越广泛的实用价值和研究意义。人脸问题主要包括:人脸检测、人脸跟踪、人脸识别,以及其衍生出来的姿态和表情分析四个应用领域。本文主要针对人脸检测和人脸跟踪两个问题进行了研究。本文总结和分析了当前国内外人脸检测的典型算法,提出了一种基于轮廓图像的人脸检测方法。该方法是一种统计学的方法,从图像训练集(包括人脸训练集和非人脸训练集)中分别抽取出人脸和非人脸的轮廓特征,然后送入支持向量机进行训练和分类,将训练结果用于人脸检测。算法提取了图像的轮廓特征,针对人脸的生理结构,对人脸的灰度图像进行水平和垂直方向的轮廓分割,在此基础上对轮廓图像进行分块,抽取各子块的轮廓特征进行加权作为整块图像的轮廓特征。另外针对人脸定位不准的问题,结合水平集方法,实现了人脸的精确定位。在人脸跟踪领域,本文对比了当前几种主要的相似度匹配方法,采用了一种基于特征空间模型的人脸跟踪方法。该方法根据彩色图像到灰度图像的转换关系,建立特征空间模型;通过计算相似度函数,选取最能区分背景与目标的特征空间;在该空间下,利用分块的灰度平均值建立图像匹配的相关性函数来进行跟踪。最后对静态图像和视频序列作了很多实验,结果表明本文所提出的人脸检测算法检测率高、定位准确但是速度比较慢;跟踪算法鲁棒性好,能在目标与背景颜色接近的环境下准确的跟踪到目标,且计算效率高,能弥补人脸检测算法的不足。