人脸检测与跟踪技术是模式识别、计算机视觉领域内不可缺少的技术,这些技术的用途越来越广泛,现在主要应用在自动人脸识别打卡,远程视频会议及家庭智能安防等方面。人脸检测与跟踪的目的是使计算机以及嵌入式设备等能够从一帧帧视频图像中发现目标人脸并跟踪人脸。但是现有的人脸检测技术对复杂环境下的多角度多姿态人脸的检测准确度低,检测时间较长;人脸跟踪技术对目标人脸进行跟踪时的实时性差且跟踪的人脸容易丢失。针对上述问题,本论文使用了Ada Boost算法训练了3类人脸分类器,分别有正脸分类器、半侧脸分类器以及全侧脸分类器。使用训练出的3类分类器检测视频序列中的多角度人脸。对检测到的目标人脸进行跟踪时,使用了Cam Shift(连续自适应均值移动)算法。结合该算法和图像处理中的其他方法如中值滤波,开闭运算等能够实现复杂环境下的多姿态人脸的实时准确跟踪。为了提高人脸检测和跟踪的速度,本论文中首先对采集到的视频图像进行肤色检测或图像压缩处理,尝试减小分类器的搜索区域,从而减小人脸检测的时间。本文将Open CV视频库移植到嵌入式设备,搭建了人脸检测与跟踪硬件系统。系统中的单目摄像头根据人脸检测和跟踪的结果跟随目标人脸转动,保证跟踪到的人脸始终保持在拍摄到的画面的近似中间位置。实验仿真中,通过比较肤色检测和图像压缩预处理方法,发现图像压缩的实时性比肤色检测更高。因此本论文最先对摄像头采集的图像进行不同比例的压缩。为使人脸检测和跟踪时间缩短且保证图像质量不会大幅度降低,本论文中将图像进行了0.5倍压缩。图像压缩预处理技术提高了人脸检测和跟踪的实时性。通过实验数据比较发现在台式电脑上人脸检测与跟踪的速度比本文搭建的系统要快。但在本文的可移动摄像头系统上,人脸检测和跟踪时间仍然能够满足实际需求,系统能够检测和跟踪复杂环境下的多角度人脸,且实时性和准确度较高。