面部跟踪，就是要在检测到人脸的前提下，在后续帧中继续捕获人脸的位置及其大小等信息，包括人脸的识别和人脸的跟踪技术。
面部跟踪，就是要在检测到人脸的前提下，在后续帧中继续捕获人脸的位置及其大小等信息，包括人脸的识别和人脸的跟踪技术。
介绍
在海关、机场、银行、电视电话会议等场合，都需要对特定人脸目标进行跟踪。显然，要跟踪图象中的人脸。首先要识别人脸。人脸识别就是利用计算机分析静态图片或视频序列。从中找出人脸并输出人脸的数目、位置及其大小等有效信息。其次就是跟踪人脸。就是要在检测到人脸的前提下。在后续帧中继续捕获人脸的位置及其大小等信息。人脸跟踪技术涉及到模式识别、图象处理、计算机视觉、生理学、心理学及形态学等诸多学科。并与基于其它生物特征的身份鉴别方法以及计算机人机感知交互的研究领域密切相关。与基于指纹、视网膜、虹膜、DNA 等其它人体生物特征识别系统相比。人脸跟踪技术更为直接、友好。不会对用户造成心理障碍。此外，人脸跟踪技术研究与相关学科的发展及对人脑的认识程度紧密相关。这诸多因素使人脸跟踪研究成为一项既困难又极富挑战性的课题。
目前常见的跟踪技术大致可分为 4 大类：基于模型跟踪；基于运动信息跟踪；基于人脸局部特征跟踪和基于神经网络跟踪等方法。
方法
基于模型跟踪
基于模型跟踪的方法就是获取目标的先验知识，建立低价参数模型，对输入的每一帧图象通过滑动窗口进行模型匹配，实现人脸识别与跟踪。常见的跟踪模型有：肤色模型、椭圆模型、纹理模型及双眼模板等。
基于肤色模型的跟踪方法就是利用恰当的表色系统，把肤色作为实现人脸跟踪的关键信息。由于肤色信息具有对放大和缩小以及对微小变形不敏感的优点，加上人脸相对镜头的变化对肤色信息本身的影响不大，该类方法很容易在前一帧图象分析结果的基础上跟踪到后一帧图象的人脸区域，因此具有速度快、姿态不变性等特点。目前的人脸跟踪技术大都采用基于肤色模型的方法。
基于运动信息跟踪
基于运动信息跟踪法主要是充分利用图象连续帧间目标运动的连续性规律，进行人脸区域的预测以达到快速跟踪的目的。通常采用运动分割、光流、立体视觉等方法。利用时空梯度，卡尔曼滤波器进行跟踪。
光流是空间运动物体被观测面上的像素点运动产生的瞬时速度场，包含了物体 3D 表面结构和动态行为的重要信息。一般情况下，光流由相机运动、场景中目标运动、或两者的运动产生。光流分析经常被用于目标运动估计。当场景中有独立的运动目标时，通过光流分析可以确定运动目标的数目、运动速度、目标距离和目标的表面结构。光流分析可以分为连续光流法和特征光流法，特征光流法是通过特征匹配求得特征点处的光流。
基于人脸局部特征跟踪
基于人脸局部特征跟踪法的主要思想是根据不同的人脸器官特征信息进行器官跟踪。这类方法经常利用眼睛、嘴和鼻子等器官特征信息进行跟踪定位。传统的人脸特征点跟踪方法通常是在人面部画上标识点进行跟踪，如 Kouadio 等提出了一种通过加标识点来跟踪视频中人脸特征点的方法，采用了一种分析人面部曲线的方法来跟踪人脸。
基于神经网络跟踪
神经网络是近年来发展较快的一个交叉研究学科。人工神经网络模型具备人脑思维的一些典型特征，如自组织、联想记忆、非线性、大规模并行连接等。并且具有强大的学习能力!将神经网络用于人脸跟踪具有一定的优势。因为要显性地对人脸识别特征进行描述相当困难，而神经网络则可以通过学习，自动地获得识别规律的隐性表达。
目前神经网络方法也是人脸识别与跟踪技术中的研究热点。Valentin 提出一种方法,首先提取人脸的 50 个主元,然后用自相关神经网络将它映射到 5 维空间中，再用一个普通的多层感知器进行判别。对一些简单的测试图象效果较好；Intrator 等提出了一种混合型神经网络来进行人脸跟踪，其中非监督神经网络用于特征提取，而监督神经网络用于分类。
