运动目标跟踪技术作为计算机视觉以及图像处理等领域中最活跃的研究课题之一,已经在军事、安全监控、人机交互和智能交通等多个方面发挥着积极的作用,并且日趋重要。现有的目标跟踪算法存在着一定的不足:一是观测模型不够稳定,如果目标跟踪算法是利用单一的颜色特征构建目标模型,这个模型一般会对场景中光照强度的变化比较敏感,致使跟踪不稳定;二是场景中出现遮挡的情形时,会导致跟丢目标的情况。　　 贝叶斯网络是描述随机变量之间依赖关系的图形模型,是一种基于概率推理的图形化网络。而动态贝叶斯网络可以看作是动态概率关系的一种压缩表示形式,它是静态贝叶斯网络在时间领域的拓展,动态贝叶斯网络作为一种有效地处理不确定性问题的数学工具,已经在计算机视觉领域得到了广泛的应用。　　 针对现有目标跟踪算法中存在的问题,本文主要做了以下两个方面的工作:　　 1.针对利用单一目标特征稳定性不高的缺陷,采用多特征对目标进行描述。本文采用颜色和纹理特征相结合,它们之间的互补性提高了目标表征的精确程度,同时提高了观察的可靠性。　　 2.针对遮挡发生时可能出现目标跟踪丢失的情形,把遮挡关系作为一随机过程构建到动态贝叶斯网络模型中,并且定义了出现遮挡时观测似然的计算方法。当遮挡情况发生时,通过对遮挡关系的推理可以加以判断,有效地防止了跟踪器跟丢目标情况的出现。