1、目標跟蹤在圖像理解、人機交互、智能監(jiān)控、機器人學等方面有著廣泛的應用。目前，雖然許多目標跟蹤算法已被提出并取得顯著進展，但由于受光照變化、遮擋、姿勢改變及背景擾動等因素的影響，要設計出一個強健的跟蹤算法仍是一個極具挑戰(zhàn)性的問題。
　　本文針對動態(tài)場景中使用固定模板進行跟蹤容易丟失目標的問題以及利用動態(tài)模型估計目標位置時產生的漂移問題，提出一種改進的基于偏最小二乘法的兩階段目標跟蹤方法。該方法利用偏最小二乘分析法對在高維特征空間中搜

2、集的正負樣本降維，獲得特征子空間構建目標表觀模型集。跟蹤在貝葉斯推理框架下進行：在初始跟蹤階段，利用粒子濾波原理及似然函數估計目標的初步位置；在校正階段，采用一種適應性的基準模型確定最終的目標位置。對一些視頻序列的實驗結果分析證明本文中所提出改進方法的有效性。針對上述影響因素，提出一種基于結構化熵表觀模型的跟蹤方法。采用紋理特征中的熵特征和分塊相結合的方法，用局部塊表示目標的整個結構。通過研究分析樸素貝葉斯分類器，將獲得的結構化熵表觀模