在智能化的人机交互过程和对计算机视觉的研究中，人脸可以提供大量有价值的信息，尽管对人脸的检测与跟踪已经取得了众多的成果，但仍存在下述几个研究的难点问题：实时性、图像分割、遮挡处理、多摄像机使用。论文针对上述问题进行了较深入的研究，提出了一套充分考虑时间复杂度和复杂环境下的人脸检测与跟踪算法，并建立了以该算法为核心的多摄像机环境下人脸检测与跟踪系统。本文的主要创新点： 提出了一种基于肤色和梯度信息的实时人脸检测算法。考虑到实时性和图像分割，从设计快速准确的检测算法作为出发点，结合人脸的特点采用尺度变换、肤色空间和梯度模型等关键技术，较好的兼顾了精度和实时性。大量实验表明该算法对于头部的倾斜和旋转不敏感，能够在较复杂的动态背景下进行实时人脸检测。 提出一种基于粒子滤波的复杂环境下人脸检测与跟踪算法。“粒子”滤波能够处理非线性、非高斯系统的状态估计问题。考虑到遮挡以及人运动的不确定性和非线性等因素，基于粒子滤波的跟踪算法无需给出量测方程，且当目标发生遮挡时能够自适应的改变搜索空间，实验分析证明了该算法的有效性。 针对静态背景提出改进的基于运动分割和色彩模型的人脸检测与跟踪算法。引入运动分割能够有效的提高算法的稳定性，分析表明即便背景发生剧烈变化，该算法的性能也与前问题提出的人脸检测算法相当。 提出了一种基于多摄像机的动态背景下人脸最优视角选择算法。在给出最优视角选择准则的基础上，根据实际应用分别提出基于肤色比率与彩色直方图的最优视角选择算法。 基于PC机终端开发了软件控制摄像机的自动人脸检测与跟踪系统，该系统可完成人脸检测、云台控制、多机通讯、多摄像机最优视角切换，并可支持USB端口的视频输入。