本文还提出了一种目标与背景相似度的度量方法。该方法通过计算目标和目标邻域内的背景区域在某种特征上的概率密度分布的Bhattacharyya系数来获得目标和背景在该特征上的相似度，并在此基础上提出了一种颜色特征与边缘特征相结合的人脸跟踪方法。该方法通过计算目标和目标邻域内的背景在颜色和边缘两个特征上的相似度，选择目标与背景反差较大的特征来进行跟踪，很大程度上排除了背景的干扰，具有很好的鲁棒性。

提出多自由度的多核跟踪MeanShift算法，其在运动人体目标与背景图像的颜色信息较为接近时仍能鲁棒地跟踪. 将所提出的跟踪算法用于融合人脸与步态周期模式的行人检测新算法，将闭环的控制思想引入到行人检测中，即通过步态周期和相应的跟踪反馈验证的理论方法来解决行人检测中误报率高的问题；还对行人部分轮廓存在遮挡的情况提供行人检测的新思路，即通过检测人脸来确定检测对象是否是行人，以解决当前行人检测算法检测率低的问题.

基于肤色与人脸运动相结合的自动表情，对其识别算法进行研究。通过RGB将图像转为YIQ颜色空间，在YIQ中第I维中进行图像数据的提取，在二值图像中将背景和肤色分割出来。采用Pareto优化算法进行人脸表情特征的选取，算法计算量少，构结简单，运行速度快，能对小角度人脸肤色、人脸面部表情变化、人脸旋转、人脸面部存在遮挡物等情况准确检测和跟踪。实验表明，对于人脸小角度转动，该算法能较好适应；对于人眼的状态，该算法不受影响；对于丰富的面部表情变化和不同的肤色均能更好地适应，具有一定的稳定性。

引言 人脸检测跟踪是计算机视觉中十分重要的研究领域，正受到越来越多的关注。传统基于PC平台的人脸检测跟踪系统体积大，不能满足便携的要求，更不适合露天使用；而采用通用的DSP芯片组成的系统，外围电路较复杂，设计与调试都需要较长的时间，且系统的可扩展性和移植性不好。利用32位Nios Ⅱ软核处理器在FPGA上完成设计，减小了系统的体积，而且在PC上开发的程序可移植到Nios Ⅱ处理器上，实现了片上系统。采用Nios Ⅱ处理器的自定义指令，用硬件实现部分算法，大大提高了数据的处理速度，保证了较好的实