目标跟踪技术在计算机视觉领域是一项很具挑战性的研究课题,近年来,在图像处理与计算机视觉领域引起许多学者的关注。所谓目标跟踪,就是在一段序列图像的每幅图像中找到所感兴趣的运动目标所处的位置。该项技术主要致力于跟踪、监控的自动化和智能化,它融合了计算机视觉,模式识别,人工智能,自动控制,数学等领域的先进技术。运动目标跟踪在人机交互、基于视觉的控制、军事视觉制导、安全监测、交通管制、医疗诊断、视频压缩以及气象分析等方方面面都有广泛应用。跟踪算法的优劣直接影响着运动目标跟踪系统的稳定性和精确度,虽然对运动目标跟踪理论的研究已经进行了很多年,但至今它仍然是计算机视觉等领域的研究热点问题之一。目前的跟踪技术,可以实现在简单环境中对具有易辨识视觉特征的运动目标进行可靠的跟踪。但当环境较复杂、目标为非钢性物体或发生拓扑变化时,就容易丢失目标。研究发现,通常跟踪算法失败是由于目标的表观与其动态维护的模型失配造成的。其背后的原因为目标模型缺少对目标本质特征的刻画,因此当目标发生姿态变化或遮挡时,就会带来目标模型无法与目标表观上的非线性变化相匹配。此外,通常情况下目标都具有复杂的形状,而传统的目标跟踪算法通常只用简单的几何图形来表示跟踪结果,故不能为后续的上层应用提供精确的数据。因此,要把目标跟踪技术推广到复杂的现实应用问题中还有很多技术难点需要解决。研究一种鲁棒性好、精确、高性能的运动目标跟踪方法依然是该研究领域所面临的一个巨大挑战。基于遮挡、表观拓扑结构变化及目标的精确等跟踪领域的常见问题,本文致力于得到一种图像分割技术与视频跟踪领域相结合的跟踪算法。在跟踪目标的同时即能得到目标的轮廓信息,并且能自动处理物体的拓扑变化。同时,用目标的轮廓信息来辅助跟踪算法,并对跟踪算法进行改进,同时考虑表观信息,轮廓信息和运动信息,从而有效的解决物体的特征变化及遮挡问题,得到一种既能得到准确的跟踪结果又能得到目标轮廓表示的鲁棒、有效的跟踪算法。