信息数字化和网络化的高速发展对国家以及社会生活安全提出了全新的要求。在这种环境下，传统的安全技术显得力不从心。而生物特征认证技术是解决信息化、数字化、网络化社会安全问题的最好的办法之一。常用的生物特征认证技术包括：人脸识别、虹膜识别、指纹识别、声音识别、步态识别等。在众多的生物特征认证技术中，人脸识别因具有获取直接隐蔽、识别速度快、识别准确率高、安全性高、使用条件简单，非侵犯性等特点，在公安、安防、银行、计算机网络信息安全等诸多领域内具有广阔的应用。 人脸识别研究工作一般分为三个过程：人脸检测，面部特征定位以及人脸特征提取与识别。而人脸检测是人脸识别过程中最为基础和关键的环节。只有精准的定位人脸的位置，才能够准确的识别人脸。 该文首先概述了目前国内外比较流行的几种人脸检测的算法，分析了各种算法的优缺点，其中重点介绍了该文所构建人脸检测系统所使用的算法—BoostedCascade人脸检测算法。在利用BoostedCascade人脸检测算法检测出人脸后，该文提出了一种对该算法的补充方案，即利用人脸肤色模型对检测结果进行验证，取得了较好的效果。同时，该文还介绍了运动物体跟踪的相关技术。 该文的另一项主要工作是设计实现了构建于BoostedCascade算法之上，基于Web的人脸检测跟踪系统-FaceCatcher。FaceCatcher系统是复杂背景下单人脸检测系统，使用普通PC摄像头作为图像采集设备，对人脸进行实时检测和跟踪。系统采用DirectShow技术实现了FaceCatcher.axFilter，同时创建了对摄像头采集的图像帧进行控制和处理的GraphFilters链路；利用ActiveX组件技术，开发了FaceCatcher.ocxActiveX控件，使人脸检测系统可以内嵌于Web网页中；系统采用基于浏览器—服务器(Browser-Server)的架构，这样的瘦客户端的架构使系统更易于发布，以及使系统变得更容易扩展和维护。同时，在该文的最后给出了FaceCatcher系统的部分核心算法的代码。