1、人臉檢測和目標(biāo)跟蹤是機器視覺領(lǐng)域一個非?；钴S的課題，許多國內(nèi)外專家學(xué)者對其進行了深入的研究，研究出了很多有價值的算法。本論文首先對人臉檢測和目標(biāo)跟蹤的國內(nèi)外研究進行闡述，其次對其提出的算法進行了模擬實現(xiàn)分析，并最終實現(xiàn)了工程應(yīng)用；最后在人臉檢測和目標(biāo)跟蹤算法上有所創(chuàng)新。
　　 本文主要針對人臉檢測的精度和速度、目標(biāo)跟蹤的精度和實時性進行了分析研究，本論文的主要工作有：
　　 第二章主要分析介紹基于harr的人臉檢測算法，

2、針對harr檢測算法在光照、陰影和偏光等環(huán)境下不能很好的檢測人臉這一情況，提出了基于統(tǒng)計(census)和adaboost的人臉檢測算法，很好的解決了harr算法出現(xiàn)的問題，提高了人臉檢測的實時性和準(zhǔn)確度。
　　 第三章是對跟蹤算法的基礎(chǔ)算法進行整理，系統(tǒng)的講述了卡爾曼濾波和粒子濾波理論，重點分析了粒子濾波在使用中的粒子退化的問題，提出了解決粒子退化的一般性方法，并對粒子濾波的收斂性問題做了公式推導(dǎo)為下章跟蹤算法的研究做基礎(chǔ)性鋪

3、墊。
　　 第四章首先重點分析了粒子濾波跟蹤中常用的顏色、紋理、形狀特征分析并總結(jié)了其在實際應(yīng)用中的優(yōu)缺點；同時，本章中也重點介紹了Mean Shift理論，并在此基礎(chǔ)上提出了Mean Shift和kalman濾波結(jié)合的跟蹤算法、基于顏色和紋理融合的粒子濾波算法。
　　 通過與經(jīng)典粒子濾波和Mean Shift算法相比較，多特征融合的跟蹤算法效果較好。本文的創(chuàng)新點有：
　　 1、提出了基于膚色區(qū)域增長和harr特