自上世纪八十年代，Marr提出视觉系统框架以来，计算机视觉得到了长足的发展，涌现出不少新的研究方向，如图像分割、运动视觉分析、三维恢复重建、物体建模与识别以及立体视觉等。本文主要针对视觉对象的跟踪与检测进行研究和改进。视觉对象的跟踪与检测包含两方面：(1)、序列图像中通过时序变化等情况来判断出口标物体，并且对目标物体的特征进行分析，对其状态进行理解；(2)、单幅图像中通过特征将要检测物体定位以及特征信息提取。视频检测得出运动的人体目标，经过人脸检测得到确定的人脸区域。人脸特征点的预定位和调整，实现各个特征提取。特征比对最后进行人体目标的分类与识别。序列图像中目标物体的追踪则包括在多幅图像中进行差分比较，定位出目标，并对目标物体进行特征和状态的分析，理解目标物体的行为，对目标物体的下步动作进行预判等一系列操作。单幅图像中目标物体的检测主要是将目标物体从整幅图像中定位出来。首先在预先提供的目标物体样板中提取物体的特征(纹理、轮廓等)，再对输入的图像定义出检测窗，在检测窗内提取特征并与样板特征进行比较和匹配。本文在介绍了视觉对象的跟踪与检测领域的一些相关的技术发展和改进过程，包括视频对象跟踪技术、人脸检测技术、人脸特征检测技术。提出了运动目标的实时追踪与识别方法。该方法通过时间差分获得运动物体信息，通过轮廓分割和提取，得到归一化的向量。通过主元分析法对运动物体的形状信息分类，并通过状态转移情况统计，进行下一状态情况预测。本文针对人体图像中人脸信息处理提出人脸特征检测技术。人脸特征检测技术应用人脸检测技术来缩小人脸范围，提高特征搜索精度，同时应用人脸特征点初步定位方法，通过多人脸模板映射，对映射后的人脸进行平移、伸缩、旋转扰动，使初步特征点定位逼近期望值。最后在初步定位的基础上，对定位细节通过梯度向量进行调整。