随着社会公共安全体系的逐步完善，基于人脸的智能视频监控技术在安全监控、视频分析以及人机交互等场合发挥出越来越重要的作用。传统的Camshift算法虽然能快速地跟踪运动目标，但它不仅需要手动设定跟踪的对象，而且当跟踪对象遇到遮挡和相同颜色障碍物干扰时很容易丢失目标。针对上述问题，在OpenCV的基础上，采用Adaboost，Camshift和Kalman滤波相融合的方法，实现了快速、自动和准确的人脸检测与跟踪。

人脸检测与追踪 使用CamShift，卡尔曼滤波器，光流的人脸检测和跟踪 客观的 ： 在电影的第一帧中检测面部 使用预训练的Viola-Jones检测器 使用以下方法跟踪电影中的脸部： CAMShift 粒子过滤器 人脸检测器+卡尔曼滤波器（总是运行kf.predict（），并在获得新的人脸检测时运行kf.correct（）） 人脸检测器+光流跟踪器（人脸检测器发生故障时，请使用OF跟踪器）。

可实现实时的人脸检测与跟踪，正确率高，使用opencv编写。

Matlab编写的实时检测单人脸和多人脸，压缩包内有GUI界面和检测用的视频。

基于地标检测和跟踪的 JavaScript/WebGL 轻量级健壮的人脸跟踪库 这个 JavaScript 库从使用 WebRTC 捕获的网络摄像头视频源实时检测和跟踪人脸。 然后可以为增强现实应用覆盖 3D 内容。 这个库是轻量级的，它不包含任何 3D 引擎或第三方库。 我们希望保持它与框架无关，因此库的输出是原始的：如果检测到人脸，检测到的人脸的位置和比例以及旋转欧拉角。 面部标志位置也在神经元网络输出中。 检测到的关键点的数量和神经元网络的准确度/权重之间仍然存在平衡：关键点越少，检测准确度越好，因为神经元网络可以更加集中。 目录 引擎盖下 兼容性 执照 参考 特征 以下是该库的主要功能： 人脸检测， 人脸追踪， 人脸旋转检测， 面部标志检测， 多人脸检测和跟踪， 在所有照明条件下都非常坚固， 具有高清视频能力的视频采集， 移动友好。 建筑学 /demos/ :

基于KLT（Kanade-Lucas-Tomasi）算法的人脸检测与跟踪（matlab代码实现） 链接：https://michaelbeechan.blog.csdn.net/article/details/116033918

基于OPenCV的C语言开发的人脸检测跟踪软件。附源码和论文。

基于opencv的人脸检测与跟踪，家camshift算法，mean-shift算法

基于Matlab的代码，有兴趣的朋友可以下着看看，反正也才1分，亏也亏不了

基于opencv cascade分类器及模板匹配算法实现的人脸检测及跟踪算法，首先 cascade检测到人脸，然后更新ROI区域，当检测不到人脸时使用模板匹配方法进行识别。i7上可达到80FPS，速率非常快，鲁棒性非常好，当头倾斜90°也能够跟踪。