实际人脸跟踪过程中, 光照和姿态的变化、背景颜色干扰等因素都会极大地削弱颜色特征的有效性, 从而造成跟踪的不稳定。针对该问题, 本文提出了一种以颜色和轮廓分布为线索的粒子滤波人脸跟踪算法。该算法主要有三个方面的特点: 第一, 在粒子滤波基本框架下, 引入新的用直方图描述人脸轮廓的方法, 有效解决了光照、人脸旋转、部分遮挡问题对跟踪的影响, 并且能及时有效地重新捕获由于大面积遮挡等原因而丢失的目标。同时采用实时调整每帧图像特征点个数, 有效提高了跟踪效率。第二, 针对背景干扰问题, 提出了一种抑制相似背景颜色干扰的方法。第三, 本文还提出实时更新模板的方法来提高跟踪的准确性。实验证明本文算法对人脸跟踪具有很好的效果。

二阶局部导数模式是一种基于一阶局部导数变化的方向性编码方式。相对于局部二值模式，二阶局部导数模式能够提取出图像的更多细节信息。本文提出了一种融合 Gabor特征二阶局部导数模式的人脸识别方法。该方法首先利用 Gabor滤波良好的空间位置与方向选择特性，采用四个频率六个方向的 Gabor滤波器对图像进行滤波。其次，利用数据的类信息和邻接点信息，自适应地计算各频率和方向的权重，作为后续融合依据。然后，提取 Gabor滤波图像四个方向的二阶局部导数特征，采用主成分分析方法对各方向的二阶导数特征进行降维。最后，在识别过程中，结合权重信息融合各方向和频率的识别概率得出最终识别结果。实验结果表明本文算法能够有效地提取图像细节信息，较其他方法如主成分分析方法，线性判别式方法，局部二值模式算法和融合灰度二阶局部导数模式算法具有更好的识别性能。