1、隨著科學(xué)技術(shù)的長(zhǎng)足發(fā)展，視頻獲取的成本已日益降低，圖像處理技術(shù)的應(yīng)用也越來(lái)越廣泛。得益于大量圖像分析與處理算法的出現(xiàn)，采用計(jì)算機(jī)視覺(jué)來(lái)分析和理解外部環(huán)境已逐步成為現(xiàn)實(shí)。作為計(jì)算機(jī)視覺(jué)的重要環(huán)節(jié)，目標(biāo)跟蹤技術(shù)主要研究目標(biāo)在圖像序列中隨時(shí)間變化的位置軌跡，獲取其運(yùn)動(dòng)參數(shù)和位置信息，為圖像序列的高級(jí)語(yǔ)義理解提供了重要方法和可靠途徑。國(guó)內(nèi)外研究機(jī)構(gòu)已針對(duì)該方向開(kāi)展了大量研究，并取得了諸多成果。但在實(shí)際應(yīng)用中，由于成像環(huán)境的復(fù)雜性和目標(biāo)運(yùn)動(dòng)的不確

2、定性，該技術(shù)仍然存在一些亟待解決的問(wèn)題。
　　論文首先就目標(biāo)跟蹤的難點(diǎn)問(wèn)題展開(kāi)了深入探討，分析了復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)及其背景的成像特征；然后結(jié)合目標(biāo)表示的一般方法，研究了遮擋場(chǎng)景和快速運(yùn)動(dòng)場(chǎng)景中目標(biāo)的描述方法和特征的選擇標(biāo)準(zhǔn)；最后通過(guò)選取適宜的跟蹤特征，分別探索了兩種復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤算法。
　　針對(duì)遮擋目標(biāo)的跟蹤問(wèn)題，在對(duì)比多種局部特征算子之后，論文選擇使用魯棒性較好的 SURF算子來(lái)進(jìn)行目標(biāo)檢測(cè)，結(jié)合歐氏距離聚類

3、的方法來(lái)查找目標(biāo)在當(dāng)前幀中的潛在位置。原始的 SURF算法一般針對(duì)整幅圖像進(jìn)行的全局搜索，運(yùn)算量較大，且容易產(chǎn)生誤匹配現(xiàn)象。因此，為了提高目標(biāo)跟蹤的速度與精度，本文研究了一種基于Kalman濾波的改進(jìn)算法，通過(guò)軌跡預(yù)測(cè)建立相鄰幀間的位置對(duì)應(yīng)關(guān)系，縮小了特征點(diǎn)提取與匹配的范圍，減小了復(fù)雜背景的干擾和特征提取的運(yùn)算復(fù)雜度，仿真結(jié)果表明該算法對(duì)遮擋場(chǎng)景具有較好的魯棒性。
　　針對(duì)快速運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤問(wèn)題，論文采用圖像灰度信息Haar-

4、like特征來(lái)描述目標(biāo)。Haar-like算子提取簡(jiǎn)單、獲取容易，但數(shù)量龐大，一般需要結(jié)合一定的訓(xùn)練手段或降維方法來(lái)提高速度。本文采用壓縮跟蹤算法，利用壓縮感知理論對(duì)多尺度的高維特征進(jìn)行壓縮提取，在保留幾乎所有原有特征信息的同時(shí)，大幅提高了跟蹤的速度，保證了跟蹤的實(shí)時(shí)性。但是，該方法提出的時(shí)間尚短，也存在著一些不足，容易產(chǎn)生跟蹤漂移問(wèn)題。為提高跟蹤的魯棒性，論文研究了一種基于模板匹配的壓縮跟蹤算法，利用灰度直方圖擬合結(jié)果作為判定機(jī)制，采