视频运动目标跟踪技术,简单说就是在下一帧图像中锁定感兴趣目标的确切位置以及获得运动目标的坐标消息、速度以及加速度等信息。为分析运动目标的运动趋势、运动轨迹、行为理解等更深一步的研究打下基础。因此运动目标跟踪技术也具有广泛的应用,比如在军事上,对战场环境中的敌方目标进行快速准确地搜索,稳定可靠地跟踪快速变化的运动目标,以进行打击;医学上对感兴趣的细胞组织等的实时跟踪,人的行为理解等。虽然运动目标跟踪已经研究了很多年,但仍然是专家们研究的热点。首先,本文对目前视频运动目标跟踪领域国内外研究现状进行了详细的探讨,并对当前遇到的难点文进行了深入分析。详细探讨了经典的SIFT特征点匹配跟踪算法以及Mean Shift跟踪算法,基于SIFT特征点的方法在分辨率较好情况下有较强的鲁棒性,分辨率下降时,其应用会受到限制;Mean Shift跟踪算法实时性很强,但也会由于目标位置信息得不到充分利用,随着时间推移,导致跟踪精度不高。之后,本文探讨了一种基于DWT-DCT系数符号特征匹配的视频目标跟踪算法该算法通过提取这一特征进行特征匹配来定位目标的位置。提取这一特征过程中不仅利用目标的像素信息,而且充分利用了目标的坐标信息。通过与SIFT特征点匹配算法与Mean Shift算法的对比实验分析可知,该算法不仅具有较强的鲁棒性,而且在低分辨条件下仍能对尺度较小的目标进行精确地跟踪。图像超分辨也是目标跟踪技术的后续应用,通过跟踪技术得到目标序列图像。由于目前监控视频等具有分辨率较低等特点,对于运动目标的具体信息,可能不是很清晰,因此需要通过图像超分辨重构技术对得到的序列图像进行超分辨信息融合,使得目标的感兴趣信息更加清晰。文中通过对感兴趣目标进行跟踪,之后对序列图像进行超分辨实验,以验证目标跟踪技术在实际应用中的广泛性和有效性。