本文针对DV机自动对焦中的目标（本文中为人脸）动态跟踪技术做了一些研究，主要工作如下：
1.综述了人脸检测技术的现状和基本算法;
2.人脸检测技术的研究 包括彩色空间的选择：RGB空间，HIS空间，YCbCr空间和肤色模型的概述;
3.肤色建模 方法的选则：直方图模型，高斯模型，神经网络模型;
4.二值图像预处理 中值滤波法去除噪声；腐蚀膨胀算子填充空洞;
5.进一步处理 唇色模型检验，形状检验，面积比较;
6.动态目标跟踪 基于目标检测和基于预测的跟踪方法。
本文主要论述了DV数字摄录一体机自动对焦算法中的人脸目标识别与动态跟踪技术。
在人脸识别方面，本文在肤色模型的基础上结合特征检验等手段达到了定位人脸存在区域的目的。在人脸目标的动态跟踪方面，本文应用了基于目标检测和基于预测的跟踪方法。
人脸检测算法的本质是寻找人脸区域区别于其他区域的特征,符合这个特征的区域就是人脸区域。为此,将人脸检测算法分为两大类: ①基于显式特征的方法; ②基于隐式特征的方法。
所谓显式特征是指对人类的肉眼来说直观可见的特征,如肤色、脸部轮廓、脸部结构等1 基于显式特征的方法是指由人通过肉眼观察,总结出人脸区别于“非人脸”区域的特征,然后根据被检测区域是否满足这些“人脸特征”,来判定该区域是否包含人脸1 根据所选择的“人脸特征”,把基于显式特征的方法分以下三个方面综述: ①基于肤色模型的方法;②模板匹配的方法; ③基于先验知识的方法。
基于隐式特征的方法将人脸区域看成一类模式,使用大量“人脸”、“非人脸”样本训练、构造分类器,通过判别图像中所有可能区域是否属于“人脸模式”的方法来实现人脸检测，这类方法有特征脸法、人工神经网络法、支持向量机法、积分图像法。
总体来说,基于显式特征的方法直观,易于为人所接受。基于显式特征的方法共同的缺陷是依赖于固定的先验模式,适应变化的能力差，譬如出现彩色光照改变了图像中的脸部颜色、图像大小改变、旋转人脸中双眼不在鼻子的正上方等人脸特征发生变化时,原有的肤色、模板、知识就不再适用。解决问题的出路在于综合使用多种方法,结合大量局部特征、实行多角度、多粒度检测。可是,这样也会导致计算时间大大增加,不再满足快速度人脸检测的要求。
　  基于隐式特征的方法中“人脸”区别于“非人脸”的特征是通过样本学习的方法获得的,不是人类根据直观印象得到的表层规律。这样,不仅避免了因为人类肉眼观察的不完整、不精确而带来的错误, 还能通过增加训练样本扩充检测的范围,提高检测系统的鲁棒性。 
    通过对各类算法的性能分析和评估,暴露了目前存在一些问题,如:没有统一的标准对各类算法性能进行定量的评价,针对具体问题而设计的算法性能更是无法评估;现行有效实用的算法也不多,且都在进一步改进中。
所以：
(1) 在特定的约束条件下,对现有方法进行改进,综合使用原有各种方法,是该领域解决应用问题的主要方向。
(2) 新方法、新工具的迅速引入,是推动人脸检测研究新进展的主要力量。
(3) 公正、客观评价各种方法的性能将要求推出更大规模、涵盖面更广的公用测试集和针对具体应用背景的特种测试集。
(4) 更进一步或者更细致的工作如:人脸表情识别、人体上肢运动检测、手势即手语识别等将是该领域进一步发展的方向。
    可以看到人脸识别技术前景非常广阔，发展潜力相当巨大，本文所研究的只是其中微不足道的一小部分而已。希望能有更多的人研究这方面的技术，提出新的理论和解决方法，使之更快更好的发展起来。