视频目标跟踪融合了图像处理、模式识别、人工智能、自动控制、计算机应用、生理学、物理学、数学等相关领域的先进技术和研究成果,具有可视性、抗干扰、成本低等优点,己被广泛地应用到军事监控、交通管制、机器智能、医疗诊断等方面。随着各种复杂环境应用领域的不断需求,除了引入各种新的技术外,如何提高现有跟踪算法的精度以及鲁棒性也是当前目标跟踪领域研究的重点。本文主要研究视频序列中运动目标跟踪的两个方面。一是运动目标的特征表述,二是运动目标跟踪的粒子滤波框架。1、针对目前单一特征不能很好地表征目标的问题,本文提出了基于颜色直方图和梯度方向直方图融合的综合直方图来表征运动目标。由于颜色直方图对目标的旋转、形变不敏感,梯度方向直方图对于目标的光照变化不敏感,因此将两者的优点结合起来,形成互补,以提高目标特征的鲁棒性,能够应对复杂背景下的运动目标跟踪。为后面的粒子滤波算法的应用提供了坚实的基础。2、针对粒子滤波有时无法得到正确的后验概率分布的情况。本文提出了一种新的粒子滤波方法——交换采样粒子滤波。本文将两个互补的采样方法结合起来,Condensation算法和辅助粒子滤波(APF)。Condensation更注重状态转移概率的预测,鲁棒性强。而APF更侧重于当前状态所得到的观察,精确性高。本文将两者的优点结合起来,在跟踪中根据当前估计状态的信任度在线的交换采样,这样将鲁棒性和精确性结合起来之后,使得算法在有混淆、干扰、遮挡的情况下仍然能很好地跟踪目标。