运动目标跟踪技术是计算机视觉领域中的一项关键技术,它有着广泛的应用,尤其是在视频监控领域。国内外很多研究者都就此进行了深入的研究,也取得了一定的成果。但是复杂环境下的目标跟踪依然面临着很多难题,光照变化、背景干扰、目标遮挡等因素都严重影响着跟踪系统的准确性和稳定性。本文针对复杂环境,尤其是光照变化的情况,展开了研究,主要工作及具体内容如下:
　　1.分析并比较几种典型的跟踪算法,包括基于概率预测、基于匹配和基于分类的跟踪算法,选择粒子滤波算法作为目标跟踪的总体思路。
　　2.针对传统颜色直方图易受光照变化的影响,提出了将模糊颜色直方图作为运动目标跟踪过程中的观测模型,并采用模糊C-均值聚类算法进行计算。在模糊颜色直方图中,每个像素不是仅属于某一个直方图区间,而是以不同的概率属于所有区间,这就大大提高了颜色特征对于光照及其它噪声干扰的稳定性。
　　3.针对基于单一特征的观测模型无法在不同环境下准确描述目标这一问题,提出了融合模糊颜色直方图与分块梯度直方图的多特征观测模型。并根据不同特征下前景与背景的区分度和Fisher准则动态自适应的确定每种特征的权重。这样就实现了根据不同的环境,将多个特征以最佳的方式组合在一起,更准确的描述目标信息。
　　4.针对光照剧烈变化时特征也会随之变化这一问题,提出了具有可乘性的光照模型,并将勒让德多项式的线性组合作为光照补偿模型。光照变化时,对模版进行光照补偿,使得图像的色彩信息在光照变化前后更加接近,便于特征的提取和对比。
　　5.针对特征融合和光照补偿这两种处理方法进行了实验验证。
　　实验证明,本文提出的运动目标跟踪方案能够在复杂环境中,尤其是光照变化下准确稳定的跟踪运动目标。满足跟踪要求,取得了预期效果。