人脸分析是近年来计算机视觉领域的研究热点之一,主要包括人脸检测,人脸跟踪,人脸识别,表情识别等。其中人脸及姿态检测以及人脸跟踪是整个人脸分析技术的基础,涉及计算机视觉,模式识别,智能人机交互,认知科学等多个学科,并且在公共安全、视频监控,基于内容的图像检索,尤其是人机交互方面都有着广阔的应用前景。本文主要对人脸及姿态检测,人脸跟踪方法进行研究。首先总结概括了近年来国内外主要的研究方法和技术,然后重点介绍基于Adaboost算法的人脸检测,基于人脸特征三角形的姿态检测以及基于Adaboost和Camshift算法的自动人脸检测跟踪方法,并在算法研究的基础上设计实现了基于PTZ相机的智能视频监控系统。系统能够完成主动分析视频画面,检测画面中的人脸位置,并对人脸其进行实时跟踪的任务。基于Adaboost算法的人脸检测技术,使用矩形特征训练得到级联的Boosted分类器。但是由于检测器以不同尺寸的检测窗口多次扫描图像,可能发生人脸区域重复标志的问题,本文设计了一种基于矩形重叠方法的目标序列校正算法,消除人脸区域的重复标志。另外受限于矩形特征的属性,算法仍存在一定的误检率,特别是在大场景的图像中误检表现得尤为明显。本文提出一种基于图像金字塔和证据理论的人脸验证方法。首先获得原始图像的高斯金字塔,然后逐层进行人脸检测,并对每一层的检测结果根据证据理论进行综合,得出最终的人脸位置。基于Adaboost算法的人脸检测方法可以推广应用到一般的目标检测中。本文采用该算法训练人脸面部特征检测器,提取区域的几何中心进行面部特征点定位,获取以双眼和嘴巴为特征顶点的人脸特征三角形。当人脸发生姿态变化时,依据人脸的对称性特点,通过计算特征三角形位置和角度的变化进行姿态参数估计。使用均值漂移算法进行人脸跟踪研究,并在此基础上联合Adaboost和Camshift算法进行自动人脸检测与跟踪的研究,设计基于自动人脸检测和跟踪的智能视频监控系统。Camshift算法是对Meanshift算法的一个改进,是一种通过寻找最大统计分布来实现的鲁棒性统计方法。智能监控系统通过PTZ摄像机获取图像,自动对图像逐帧进行人脸检测,直到获取到人脸初始位置。然后系统对检测到的人脸区域的肤色采用HSV颜色模型,提取H分量,并获得H分量的颜色直方图概率密度分布特征,采用Camshift算法对人脸进行快速准确的跟踪。