1、運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)熱點(diǎn)課題。目前，在目標(biāo)跟蹤過(guò)程中仍然存在幾大難題：(1)背景的動(dòng)態(tài)變化及其復(fù)雜性；(2)目標(biāo)的遮擋；(3)目標(biāo)發(fā)生形變及特征變化。本文針對(duì)上述問(wèn)題提出了一些改進(jìn)方法，主要工作如下：
　　首先，研究了基于檢測(cè)的目標(biāo)跟蹤、基于動(dòng)態(tài)分割的目標(biāo)跟蹤和基于分布的目標(biāo)跟蹤這三種主要的跟蹤類(lèi)別方法，提出了一種融合這三個(gè)類(lèi)別各自?xún)?yōu)點(diǎn)的一種跟蹤方法，即采用檢測(cè)和Graph-cuts技術(shù)的目標(biāo)跟蹤方法。

2、r>　　其次，提出了一種基于改進(jìn)的Graph-cuts的圖像分割算法。該方法采用寬度優(yōu)先搜索方式搜索圖像中的每個(gè)像素點(diǎn)，通過(guò)對(duì)屬于相同區(qū)域的像素點(diǎn)進(jìn)行合并的方式解決了傳統(tǒng)的Graph-cuts算法在分割較大尺寸的圖像時(shí)耗時(shí)長(zhǎng)的缺點(diǎn)。
　　然后，針對(duì)目標(biāo)遮擋、形變等不同情況，選擇合適的檢測(cè)算法來(lái)獲取目標(biāo)觀測(cè)值，然后將預(yù)測(cè)目標(biāo)和觀測(cè)值這兩項(xiàng)加入能量函數(shù)中并進(jìn)行最小化。在圖中引入觀測(cè)值后能使得目標(biāo)的跟蹤結(jié)果更為準(zhǔn)確，且能夠處理新目標(biāo)進(jìn)入

3、的情況。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)在對(duì)多目標(biāo)進(jìn)行跟蹤時(shí)只采用一個(gè)能量函數(shù)并不能解決目標(biāo)融合或遮擋的問(wèn)題，針對(duì)該問(wèn)題，我們又在目標(biāo)融合區(qū)域定義了另一個(gè)能量函數(shù)。最后實(shí)驗(yàn)結(jié)果表明，無(wú)論是針對(duì)單目標(biāo)還是多目標(biāo)跟蹤本文所提算法都具有較強(qiáng)的魯棒性。
　　最后，給出了一種基于混合高斯模型和Graph-cuts的目標(biāo)跟蹤算法。該方法針對(duì)目標(biāo)的不同情況會(huì)做出不同的處理。對(duì)于獨(dú)立目標(biāo)建立一個(gè)基于空間-顏色的混合高斯模型，對(duì)于遮擋目標(biāo)引入一個(gè)混合高斯模型替換策略，