人脸识别技术是当前模式识别、计算机视觉领域里最热门的研究方向之一，有着广阔的应用前景和迫切的现实需要。视觉伺服是计算机视觉的主要应用之一，国内外都有很多成功的案例。人脸识别技术在自主移动机器人上的应用就是为自主移动机器人提供视觉伺服。人脸检测的目的是确定图像中所有人脸的位置与大小；而人脸识别是在人脸检测的基础上进一步确定预先指定的人脸。　　本课题在分析了多种方法优缺点的基础上，采用基于肤色的多特征融合方法进行人脸检测、基于面部弹性样条理论进行人脸识别，并将人脸检测应用于自主移动机器人的目标跟踪。　　详细介绍了多特征融合的人脸检测方法和具体实现。分析实践中人脸检测遇到的问题，并给出了人脸检测的注意事项和部分解决方法。　　分析人脸识别的主要方法后，重点提出了一种基于弹性样条理论的人脸识别算法。该方法以弹性样条理论为基础，通过立体视觉或是正面人脸的三维特征估计来得到特征点相对坐标，结合估计得到的皮肤泊松比，建立一组可以完全表征人脸的特征向量。使用特征向量之间的距离来对人脸进行识别。该方法比较新颖，而且还没有被应用于人脸识别领域。　　分两部分介绍了人脸识别作为视觉伺服的两个应用：云台的人脸跟踪和基于云台视觉的智能移动机器人人脸跟踪。云台跟踪从硬件结构入手，对跟踪决策进行了详细分析与介绍，最终给出了程序的架构与主要函数。　　基于云台视觉的智能移动机器人人脸跟踪采用多设备联动的控制方式。从自主移动机器人跟踪系统的硬件构成入手，着重分析了自主移动机器人的运动学解和跟踪决策，并给出了软件的架构、主函数和界面。自主移动机器人的运动学分析从更一般的结构入手，可以覆盖目前主要的自主移动机器人架构，实用性更强。　　本课题跨越不同的领域，将不同领域的研究成果结合到一起，应用性强。目前作为一款产品演示软件向客户提供。