在计算机视觉和数字媒体领域中，头部分割和姿态跟踪具有重要的研究意义和应用价值。由于实际场景的复杂性，背景和头部区域均呈现出多种多样的视觉特征。研制鲁棒、稳定并对场景自适应的头部分割和跟踪算法一直是视觉计算中的一个重要研究课题。本文从提高算法判别能力和泛化能力的角度出发，对头部跟踪和分割中的相关问题进行了系统研究。论文的主要贡献包括:　　 1.提出了一种判别式的颜色先验模型，并将其应用于基于特征点匹配的三维头部跟踪中。该方法基于一种统计颜色信息来描述特征点，并通过随机投影树实现对特征点的分类从而识别出背景中的外点。通过去除外点减少特征点匹配过程中可能的错误对应关系，继而减少头部姿态估计所需的迭代次数和计算时间。实验结果表明该模型具有较强的判别能力，且结合该模型之后可以提高头部跟踪算法的准确性和鲁棒性。　　 2.提出了一种基于线性回归树的肤色检测算法。该方法的核心是利用树状分类器对颜色空间进行划分，并在划分后的子空间内定义关于肤色和非肤色的分类决策函数，从而将肤色检测问题划分为多个简单子问题来解决，以处理复杂场景下肤色呈现多模式分布的情形。线性回归树的优点是训练时间短，测试速度快，并且不需要大训练数据集。在公开的肤色数据库上的实验结果表明所提算法具有较强的泛化能力和判别能力;同时在视频数据中的肤色检测实验进一步验证了所提算法对场景变化的鲁棒性。　　 3.提出了一种基于半监督分类的自动头部分割方法，在基于局部样条回归的图正则化半监督分类框架下，可以实现监督信息的自动获取和自动头部分割。此外，基于人脸区域内的肤色一致性、深度连续性和帧间区域连续性，该方法自动提取初始的头部区域，并利用此区域来判定监督信息的可靠性。实验结果表明所提自动头部分割方法对头部姿态变化、尺度变化和光照变化鲁棒，且可以得到与人工交互方法相近的分割结果。　　 4.提出了一种融合的头部分割和跟踪方法。其核心思想是基于帧间匹配特征点需满足分割结果一致性的条件将两者融合在同一框架中共同解决。一方面，以匹配特征点在上一帧的分割结果作为当前帧的标注信息，采用基于图拉普拉斯正则化抠图方法来实现帧间分割的连续性。另一方面，结合头部分割结果和肤色检测结果对匹配特征点进行评估加权，并基于加权的匹配对应关系估计头部姿态。实验结果表明该方法可以得到准确的头部区域并能正确估计出头部姿态。