随着计算机视觉技术的不断提升,人脸目标的研究越来越被人们所重视。随着现代社会提出智慧城市概念的不断扩展,以及所涉及到的安防行业、智能应用行业、包括发展迅猛的虚拟实现应用等均对人脸目标技术有着可持续的广泛需求。此课题作为一个热点内容受到广泛关注以及普遍的重视。人脸跟踪技术作为人脸目标应用过程中的一个重要环节。基于现阶段人脸检测技术的不断成熟,人脸识别认证等技术的需求不断增大,人脸跟踪技术作为人脸识别的前提基础以及反馈应用,发展迫在眉睫。现阶段存在的人脸目标跟踪算法存在着一些问题,由于跟踪场景往往比较复杂,容易出现受到光照、遮挡等因素的影响。在基于特定的环境设定中,部分算法的性能表现一般,但鲁棒性较低,容易受到外部因素的变化影响。本文针对基于人脸检测算法基本成熟的人脸跟踪算法做出了一定研究,主要研究成果简要做如下概述:(1)研究了纹理特征与相似性度量相结合的人脸跟踪算法。该算法中利用的纹理特征是一种增强型的LBP特征,能够应对人脸纹理特征多样化特性,在相似性度量方法中使用了直方图统计基础的欧式距离测距方法。该算法存在的优点是算法复杂度低,计算速度快,对应用的实时性要求能够满足。所以针对相匹配的使用场景下,利用效率优势,能够表现出良好的性能,但是随着应用场景的复杂化,多遮挡物情况的人脸检测跟踪率会逐步较低,此算法的适用性也逐渐降低。本文中基于该算法利用C++实现了实时的跟踪系统,在适应场景中性能良好,可以达到实用性的要求。(2)研究了TLD(Tracking-Learning-Detection)跟踪算法并将其应用于人脸跟踪。通过改变算法中的特征数据以及分类器的训练方法,充分发挥了TLD算法中的PN学习方法,基于该算法设计实现了一种人脸跟踪系统,此系统能够应对复杂场景下多遮挡物的人脸检测跟踪问题。PN学习作为此系统的核心部分,其优点是改变传统的跟踪依赖检测的方式变为目标跟踪的同时对目标模型进行学习更新,这样能够应对多角度复杂场景的跟踪问题,同时能够实现对目标的长时间跟踪。目前存在不足的一点,此算法只能针对单一目标进行学习跟踪,应用在系统中可以利用多线程技术进行实现,但是实时性会大打折扣,还有待提高。