近年来,随着视频会议、安全监控、三维动画等技术的发展,迫切需要对环境中的人员进行跟踪,所以人脸跟踪技术越来越为人们所重视。本文主要研究多媒体教学堂件录制系统中对教师目标进行实时跟踪的算法。针对原始的CamShift跟踪算法在实际应用场景中出现的错误跟踪问题,分别进行了分析,提出了相应的解决方案。针对复杂背景中非肤色物体对人脸目标的干扰所造成的错误跟踪问题,本文采用肤色模型阈值法对视频图像进行预处理,过滤非肤色,得到精确的目标肤色直方图;针对复杂背景中类肤色物体对人脸目标的干扰所造成的错误跟踪问题,本文引入了光流法,获得目标运动信息,尽可能的引导跟踪搜索窗口随着目标的运动方向移动,避免单纯的基于颜色信息作为跟踪依据造成错误跟踪;针对教师在讲台上相对于摄像头的来回侧走、背走运动、人脸的频繁转动等造成的由于颜色信息缺失而引发的错误跟踪,本文引入卡尔曼滤波的方法,根据目标以往的运动信息,对下一帧图像中目标的所在位置进行预测,避免由于颜色特征缺失造成的搜索窗口漂移跟踪目标太远,发生错误跟踪;针对教师因为写板书而长时间背对摄像头等造成的跟踪目标消失而引发的错误跟踪,本文首先利用人脸形态学约束将错误的搜索窗口变小,然后利用窗口大小信息作为判断是否错误跟踪的条件,及时调整搜索窗口的大小,帮助搜索窗口重新回到人脸目标上。实验表明,针对错误跟踪采用的应对方案,对提高跟踪算法的鲁棒性,改善跟踪效果,有一定的实用价值。