1、“.....投影区域检验是利用人脸类和非人脸类检测区域内最小距离，通过公式来实现。其中是训练测试特征空间中对个候选人脸区域，且，分别是训练测试特征空间中人脸类和非人脸类中心坐标，而表示特征空间中欧几里德距离人脸跟踪在最新人脸检测中，通过在特征空间中使用个距离度量标准来定义图像序列中下幅图像中被跟踪人脸。为了跟踪人脸，位于被跟踪人脸特征向量和个最近被检测人脸之间欧几里德距离是用„来计算。在定义了人脸区域后，位于被检测人脸区域中心和屏幕中心之间距离用来计算，其中，是时间内被检测人脸区域中心是屏幕中心区域。使用这个距离向量，就能控制摄像机中定位和平衡倾斜持续时间。摄像机控制器是在这样方式下工作通过控制活动摄像机平和倾斜平台把被检测人脸区域保持在屏幕中央。在表自己品母国......”。

2、“.....用伪代码来表示平衡倾斜处理持续时间和摄像机定位。计算平和倾斜持续时间和定位伪代码，结论本文中提议了种基于实时人脸检测和跟踪方法。被提议这种方法是实时进行，且执行过程分为两大部分人脸识别和人脸跟踪。在个视频输入流中，首先，我们利用注入色彩动作信息和这类提示来检测人脸区域，然后，用这样方式跟踪人脸即通过个安装了平衡请求平台活动摄像机把被检测人脸区域保持在屏幕中央。未来工作是我们将进步发展这种方法，通过从被检测人脸区域种萃取脸部特征来为脸部活动系统服务。参考文献,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,......”。

3、“.....对于个训练测试人脸图像，特征向量„，用„，来计算。为了检验候选人脸区域是否是真正人脸图像，也会利用公式把这个候选人脸区域投影到训练测试特征空间中。投影区域检验是利用人脸类和非人脸类检测区域内最小距离，通过公式来实现。其中是训练测试特征空间中对个候选人脸区域，且，分别是训练测试特征空间中人脸类和非人脸类中心坐标，而表示特征空间中欧几里德距离人脸跟踪在最新人脸检测中，通过在特征空间中使用个距离度量标准来定义图像序列中下幅图像中被跟踪人脸。为了跟踪人脸，位于被跟踪人脸特征向量和个最近被检测人脸之译文基于实时人脸检测和跟踪方法摘要这篇文章提出了复杂背景条件下，实现实时人脸检测和跟踪种方法。这种方法是以主要成分分析技术为基础。为了实现人脸检测，首先......”。

4、“.....然后，使用技术检测这些被检验区域，从而判定人脸真正位置。而人脸跟踪基于欧几里德距离，其中欧几里德距离在位于以前被跟踪人脸和最近被检测人脸之间特征空间中。用于人脸跟踪摄像控制器以这样方法工作利用平衡平台，把被检测人脸区域控制在屏幕中央。这个方法还可以扩展到其他系统中去，例如电信会议入侵者检查系统等等。引言视频信号处理有许多应用，例如鉴于通讯可视化电信会议，为残疾人服务唇读系统。在上面提到许多系统中，人脸检测喝跟踪视必不可缺组成部分。在本文中，涉及到些实时人脸区域跟踪。般来说，根据跟踪角度不同，可以把跟踪方法分为两类。有部分人把人脸跟踪分为基于识别跟踪喝基于动作跟踪，而其他部分人则把人脸跟踪分为基于边缘跟踪和基于区域跟踪。基于识别跟踪是真正地以对象识别技术为基础，而跟踪系统性能是受到识别方法效率限制......”。

5、“.....且该技术可以被分成视频流检测方法和动作能量检测方法。基于边缘跟踪方法用于跟踪幅图像序列边缘，而这些边缘通常是主要对象边界线。然而，因为被跟踪对象必须在色彩和光照条件下显示出明显边缘变化，所以这些方法会遭遇到彩色和光照变化。此外，当幅图像背景有很明显边缘时，跟踪方法很难提供可靠跟踪结果。当前很多文献都涉及到这类方法时源于在蛇形汇率波动成就。因为视,频情景是从包含了多种多样噪音实时摄像机中获得，因此许多系统很难得到可靠人脸跟踪结果。许多最新人脸跟踪研究都遇到了最在背景噪音问题，且研究都倾向于跟踪未经证实人脸，例如臂和手。在本文中，我们提出了种基于实时人脸检测和跟踪方法，该方法是利用个如图所示活动摄像机来检测和识别人脸。这种方法由两大步骤构成人脸检测和人脸跟踪。利用两副连续帧......”。

6、“.....并利用技术来判定真正人脸区域。然后，利用特征技术跟踪被证实人脸。人脸检测在这部分中，将介绍本文提及到方法中用于检测人脸技术。为了改进人脸检测精确性，我们把诸如肤色模型,和,这些已经发表技术结合起来。肤色分类检测肤色像素提供了种检测和跟踪人脸可靠方法。因为通过许多视频摄像机得到幅图像不仅包含色彩还包含亮度，所以这个色彩空间不是检测肤色像素,最佳色彩图像。通过亮度区分个彩色像素三个成分，可以移动亮度。人脸色彩分布是在个小彩色色彩空间中成群，且可以通过个维高斯分部来近似。因此，通过个维高斯模型可以近似这个肤色模型，其中平均值和变化如下,其中，旦建好了肤色模型，个定位人脸简单方法是匹配输入图像来寻找图像中人脸色彩群。原始图像每个像素被转变为彩色色彩空间......”。

7、“.....但是当肤色同时出现在背景区域和人皮肤区域时，肤色就不适合于人脸检测了。利用动作信息可以有效地去除这个缺点。为了精确，在肤色分类后，仅考虑包含动作肤色区域。结果，结合肤色模型动作信息导出了幅包含情景人脸区域和背景非人脸区域二进制图像。这幅二进制图像定义为，其中,和,分别是当前帧和前面那帧中像素,亮度。是当前帧中肤色像素集合，斯坦是利用适当阈限技术计算出阈限值。作为个加速处理过程，我们利用形态学上操作和连接成分分析，简化了图像。利用检验人脸因为有许多移动对象，所以按序跟踪人脸主要部分是很困难。此外，还需要检验这个移动对象是人脸还是非人脸。我们使用特征空间中候选区域分量向量来为人脸检验问题服务。为了减少该特征空间维度，我们把维候选人脸图像投影到较低维度特征空间......”。

8、“.....。在特征空间中，每个特征说明了人脸图像中不同变化。为了简述这个特征空间，假设个图像集合，„其中每幅图像是个维列向量，并以此构成人脸空间。这个训练测试集平均值用来定义。用来计算每维零平均数，并以此构成个新向量。为了计算直交向量，其中该向量是用来最佳地描述人脸图像地分布，首先，使用来计算协方差矩阵„。虽然矩阵是维，但是定义个维特征向量和个特征值是个难处理问题。因此，为了计算可行性，与其为找出特征向量，不如我们计算中个特征向量和特征值，所以用来计算个基本集合，其中，„，。关于这个特征向量，选定个重要特征向量当作它们相应最大特征值。对于个训练测试人脸图像，特征向量„，用„，来计算。为了检验候选人脸区域是否是真正人脸图像，也会利用公式把这个候选人脸区域投影到训练测试特征空间中......”。

9、“.....通过公式来实现。其中是训练测试特征空间中对个候选人脸区域，且，分别是训练测试特征空间中人脸类和非人脸类中心坐标，而表示特征空间中欧几里德距离人脸跟踪在最新人脸检测中，通过在特征空间中使用个距离度量标准来定义图像序列中下幅图像中被跟踪人脸。为了跟踪人脸，位于被跟踪人脸特征向量和个最近被检测人脸之间欧几里德距离是用„来计算。在定义了人脸区域后，位于被检测人脸区域中心和屏幕中心之间距离用来计算，其中，是时间内被检测人脸区域中心是屏幕中心区域。使用这个距离向量，就能控制摄像机中定位和平衡倾斜持续时间。摄像机控制器是在这样方式下工作通过控制活动摄像机平和倾斜平台把被检测人脸区域保持在屏幕中央。在表自己品母国。参数表示是活动摄像机控制......”。