随着网络与视频技术的迅猛发展，数字化视频监控技术在全社会得到了广泛应用，如公安天网系统，道路视频监控系统，以及众多的商场、社区和楼宇视频监控系统等。这些系统能实时记录和存储所监控的场景的视频信息，为后续视频内容分析，提供了大量的数据支撑。然而，针对这些大规模的视频数据的监控与分析，亟需大量的人力和物力参与。因此，视频自动分析成为了数字化视频监控的关键技术。本文以视频分析中所涉及的人脸跟踪为研究内容，在跟踪方法等关键技术上进行了深入研究和探索，提出了鲁棒性较好的算法，实现了人脸的可靠跟踪。本文的具体研究内容及创新为：（1）在特征选择上，本文采用了小波特征来进行人脸跟踪。目前的跟踪算法以颜色为特征很容易出现跟踪中的目标错位抖动的情况，算法稳定性差，背景的干扰较大。小波特征是一种具有多分辨率描述性质的目标特征，对图像整体的低灰度级别的描述，结合对部分细节区域的高分辨率描述能够较好的描述目标，降低背景的干扰，结合主元分析降维技术来降低特征的维数，进而减小小波特征匹配处理的计算量。（2）在人脸模型建模上，本文采用的是具有记忆性的建模算法。目标人脸在跟踪过程中在不是一成不变的，人脸的转向、侧脸都会改变对人脸的描述结果，而当出现短暂的遮挡时，人脸会部分或全部丢失，具有记忆性的基准模型建模算法对最近一段时间内的目标人脸进行记录，基准模型用模型集合加权表示，基准模型集合动态更新，能够平缓的适应目标人脸的变化，当目标出现短暂的遮挡丢失时也会在目标再次出现后跟踪到目标。（3）算法同时结合了颜色特征来进行无效粒子的滤除。在建立的粒子样本中首先通过颜色特征快速的将无效粒子排除，只对有效粒子进行基于小波特征的计算处理，这样可避免算法在非目标区域上花费过多时间，而把重点放在对目标人脸相似区域的处理上。基于上述人脸跟踪算法，运用Microsoft Visual Studio2008集成开发环境下结合开源库OpenCV2.3.1和界面库Microsoft Foundation Classes(MFC)，开发出的基于视频场景的智能监控系统，可以对多目标人脸进行跟踪，本算法在跟踪稳定性、克服遮挡丢失上等方面具有较好的鲁棒性。