人脸检测与人脸跟踪技术是计算机视觉学科里一个重要的研究方向。随着近年来计算机技术的发展，人脸检测与人脸跟踪技术的发展迅猛，并且在诸多领域有着广泛的应用，尤其在安防监控、人脸搜索以及人机交互等诸多领域有着比较广泛而又重要的应用，极大地推进了人居生活的现代化。本文在对国内外人脸检测与人脸跟踪的研究结果进行分析和讨论后，针对其中的一些问题提出了一些改进方法，并通过实验进行了有效性验证。本文的主要工作如下:(1)提出了基于改进高斯模型的肤色分割算法。对于复杂背景以及不同光照下的肤色分割，本文采用阈值模型对当前被检测图像进行肤色分割构造当前高斯模型，然后将当前高斯模型与传统高斯模型进行组合构造改进高斯模型。改进高斯模型肤色分割算法可以适应当前被检测图像的光照和肤色分布，降低了传统高斯模型肤色分割算法的误检率与漏检率。在包含复杂背景及不同光照的人脸图片库中进行实验，验证了该算法的有效性。(2)提出了基于改进肤色模型与Adaboost的人脸检测方法。该方法将Adaboost方法与改进肤色模型进行结合，首先利用Adaboost方法对待检测图像进行检测获得候选人脸区域，然后使用改进肤色模型分割算法对候选人脸区域进行再次检测，剔除掉非人脸区域。实验结果表明该方法能够有效地降低Adaboost算法人脸检测方法的误检率。(3)提出了基于分块压缩感知的人脸跟踪算法。该方法针对压缩跟踪算法对于人脸目标被部分遮挡时跟踪目标容易丢失的缺点做出一些改进。首先对人脸目标进行分割得到多个分块，然后通过对多个分块分类器的似然概率加权组合获得候选目标的似然概率以确定被跟踪目标。在每一次在线更新分类器的过程中，根据上一次的跟踪结果中各分类器的权重更新部分分块分类器，以避免上一帧中遮挡对整体分类器的影响。在多个视频序列中的实验结果表明该方法能够有效地提高遮挡情况下人脸跟踪算法的鲁棒性。