随着人类文明的发展,视频监控作为社会公共安全防护中的重要一环,越来越被研究者们重视,尤其是近年来人工智能技术的不断突破,当今社会对于智能视频监控也提出了更高的要求。人脸分析技术在计算机视觉与模式识别领域的研究与应用已经非常成功,例如目前已经普遍使用的人脸打卡系统,手机人脸解锁以及智能门禁系统等。然而,人脸分析技术在视频监控中的应用依然还不够成熟,鉴于其对于公安部门的刑侦、社会公共秩序的维护具有重大意义,再结合自身工作,本文对人脸分析技术及其在视频监控中的应用展开研究,主要工作如下:基于AdaBoost的人脸检测算法,本文研究和设计了一种融合肤色分割技术的改进AdaBoost人脸检测算法,该算法提高了人脸检测的精确度和速度。AdaBoost算法在训练分类器时可能会出现噪声样本权重过大导致样本权重分布扭曲,从而使得集成的强分类器的整体性能降低的退化现象,针对这个问题本文对AdaBoost算法的权重更新方式进行了改进。同时针对训练好的AdaBoost分类器检测速度较慢的问题,本文提出将肤色分割技术与改进的AdaBoost算法相结合,利用肤色分割技术进行人脸区域预选,然后再利用改进的AdaBoost分类器进行人脸检测。基于CamShift人脸跟踪算法,本文研究和设计了一种改进的CamShift人脸跟踪算法,该算法提高了人脸跟踪的精确度。CamShift人脸跟踪算法在跟踪时容易受背景颜色影响发生跟踪漂移,而且当目标被严重遮挡时,CamShift算法也无法对其进行处理最终导致跟踪失败。针对以上问题,本文引入跟踪漂移系数对CamShift算法跟踪时的搜索窗口进行评估,当出现上述问题时,结合肤色分割技术和LBP特征直方图对人脸进行重定位,实现了对人脸持续稳定的跟踪。最后,基于改进的人脸检测和人脸跟踪算法,再结合人脸识别技术,将其应用到实际的视频监控中,设计和实现了一个基于视频监控的目标人员跟踪系统,该系统具备人脸检测、人脸识别以及人脸跟踪功能,能够对视频监控中出现的人脸进行检测识别,并能够对识别出的目标人脸进行持续稳定的跟踪。