视频图像中的人脸跟踪是计算机视觉领域的重要研究内容,如何对视频中的目标人脸进行实时而又准确的跟踪成为了计算机视觉领域中一个非常具有研究价值的课题。本文按照视频背景的不同,将视频人脸跟踪分为两类:一类是视频的背景是静态的,也就是拍摄时摄像机不动;另一类是视频背景是运动的,也就是在拍摄视频的过程中摄像机的位置可能会随着目标的移动而发生变化。本文在两种情况下对Camshift算法进行了研究。对于静态背景下的人脸跟踪,当目标人脸的运动速度过快时,由于Camshift算法需要迭代计算下一帧目标的位置,所以跟踪过程可能会出现滞后的现象。针对Camshift算法存在的这一问题,本文首先运用了帧间差分法对运动的目标进行检测,然后将分割出的运动目标进行YCbCr肤色检测,得到运动着的肤色区域,接着通过对得到区域的面积及其长宽比的限定来定位目标人脸的位置。实验表明该方法计算过程中不需要迭代寻优的过程,处理速度快,算法运行时间短,能够对快速运动的目标人脸进行准确跟踪。对于动态背景下的人脸跟踪,本文提出了一种Camshift算法结合特征点定位的算法。首先利用ASM算法定位人的两个内眼角点并计算两个内眼角的距离,然后根据“三庭五眼”规则,利用这两个特征点的距离来计算跟踪框的大小及其偏转方向。实验证明该方法克服了Camshift算法在跟踪目标人脸时易受到近色物体干扰的缺陷,且实现了人脸的自动跟踪。为了证明上述方法的有效性,本文对这两种方法分别进行了实验分析,实验证明这两种方法在各自设定的场景下都能准确而实时地跟踪到目标人脸。