近二十年来,人脸跟踪与识别技术已经成为计算机视觉与模式识别的一个重要研究方向,在商业和安全部门有着广泛的应用。目前的研究工作主要集中在静态人脸识别等方面,但由于静态图像的获取在某些移动场合下的获取是不友善的,给研究工作带来了一定的困难。为了满足应用的需要,本文通过对人脸跟踪与人脸识别算法的综述及比较,系统地研究了基于人脸跟踪的动态人脸识别方法。论文主要工作分为以下三个部分: 第一部分为人脸检测技术的研究。人脸检测是人脸识别系统的初期工作,在整个系统中起着重要作用,该部分首先采用光照补偿算法来校正肤色,然后选择了YCbCr彩色模型来进行肤色区域分割,接着提出肤色区域的进一步分割和合并算法,最后给出了利用肤色来检测五官特征的人脸验证算法并结合实验分析该算法的检测效果和应用前景。 第二部分为人脸跟踪技术的研究,该部分主要是将人脸检测的结果作为初始条件,采用遗传粒子滤波(GPF)估计下一帧图像中人脸的位置,以此进行人脸跟踪。针对传统的粒子滤波(PF)算法在复杂的环境下达不到实时性要求,出现跟丢的现象,本文提出将遗传算法中的交叉与变异算子引入到粒子滤波,对采样进行优化,使采样朝后验密度分布取值较大的区域运动。这样,GPF算法比采用PF算法中的粒子使用效率更高,从而导致所需的粒子数量大大减少。通过实验对GPF与PF进行了比较表明:GPF对于各种干扰都有较好跟踪效果,而且在复杂环境下可同时满足精确与快速的要求。 第三部分为人脸识别技术的研究,这一部分主要是在人脸跟踪基础上,采用隐马尔可夫模型的方法进行人脸识别。把人脸作为一个整体来描述,人脸具有显著特征的几个区域可以抽象为HMM的一组隐含状态,人脸面部器官的数值特征及相互关联可以同一个状态转移模型联系起来。研究表明该方法具有很高的识别率,而且计算量适中,可扩容性好。 在本文的各章节中,均给出了相应算法的实验结果,实验表明了这些算法的有效性与优越性。