1、目標跟蹤是計算機視覺領域一項富有挑戰(zhàn)性的工作?，F(xiàn)實場景的復雜、目標自身的外觀變化和目標運動的不確定性都給目標跟蹤工作帶來很大的困難。一個魯棒性的跟蹤算法，不僅需要構建具有判別力的外觀模型，還需要設計一個好的目標搜索策略來預測目標的運動趨勢。本文重點關注目標發(fā)生運動突變這一跟蹤領域的技術難點，對構建魯棒性跟蹤算法進行探索和研究。
　　針對復雜場景下的運動突變目標跟蹤問題，本文首先從視覺顯著性檢測領域尋找為全局搜索提供先驗的靈感，設計

2、了基于視覺顯著性的Wang Landau蒙特卡羅采樣(WLMC)算法;在此基礎上，結合交互式馬爾可夫蒙特卡羅(IMCMC)算法，設計兩階段采樣模型來提高目標搜索的精確性。具體研究成果及創(chuàng)新之處如下:
　　1、提出了基于視覺顯著性的WLMC跟蹤算法
　　算法首先對全局場景進行分塊獲取子區(qū)域，然后將視覺顯著性信息引入到WLMC跟蹤框架中，通過為每個子區(qū)域設置顯著性值，并設計結合顯著性先驗的接受函數，來引導馬爾可夫鏈的構造，避免W

3、LMC進行全局采樣的盲目性，從而準確捕獲運動突變目標。
　　2、提出了基于視覺顯著性的兩階段采樣跟蹤算法
　　為了更好地兼顧突變運動和平滑運動兩種運動形式，本文提出了基于視覺顯著性的兩階段采樣跟蹤算法。算法在第一階段設計了判別機制來對目標運動類型進行判別;第二階段則根據判別結果采用相應算法:突變運動采用基于視覺顯著性的WLMC算法，平滑運動采用交互式馬爾可夫鏈蒙特卡羅(IMCMC)算法，以此完成目標跟蹤，提高算法的魯棒性。<