随着计算机、感光与存储元件等硬件技术的飞速发展,视频目标跟踪技术在光电武器制导系统、安防监控系统等实际应用中的作用日益凸显,成为当前计算机视觉和人工智能领域的研究热点和难点。视频目标跟踪是根据目标表观特征的先验信息和目标运动模型,在图像序列中序贯推理估计目标的位置和范围。为了实现复杂环境下对目标长时间、稳定、精确和高效的跟踪,需要在表观特征描述方面,针对图像数据的特点选取特征进而建立有效的多特征描述模型,而在跟踪算法设计方面,则需要抑制杂波干扰,提高融合估计精度,并保证算法整体的运行速度在可接受范围内。为此,本论文以特征协方差矩阵和粒子滤波为理论基础,开展视频目标跟踪方法研究,重点研究目标表观特征描述、智能场景分析和滤波算法等关键问题,为实现复杂环境下的视频目标跟踪提供理论和方法支撑。论文主要研究内容和取得的成果如下:1.针对可见光彩色视频目标跟踪所面临的如何有效组织和建立多特征描述模型的问题,提出一种基于HSV(Hue saturation value)颜色特征协方差矩阵的可见光目标跟踪算法。该算法通过将HSV颜色特征纳入特征协方差矩阵融合框架,并与粒子滤波结合,实现对目标的鲁棒和精确跟踪。仿真实验结果表明,HSV颜色特征协方差矩阵描述方法能够充分挖掘目标的颜色信息,并具有信息独立性高和维数相对较小等优点,可实现对可见光彩色目标的有效描述。2.针对红外视频目标跟踪所面临的如何利用红外目标的显著性和抑制干扰的问题,提出一种基于激活区域场景分析的红外目标跟踪算法。该算法利用红外目标灰度较高的显著性,将其从背景中分离出来,通过场景分析获得目标的位置量测集、尺度量测集和干扰状态,并利用这些信息辅助提高目标跟踪性能。仿真实验结果表明,激活区域场景分析有助于改善粒子权重的可靠性、跟踪窗调整的准确性以及特征模板更新策略,并为三者构建了一个稳定和可靠的运行机制。3.针对粒子滤波算法的采样效率和干扰抑制问题,提出一种迭代粒子滤波视频目标跟踪算法。该算法通过对搜索范围进行模拟退火,迭代采样粒子进行融合估计,可以更接近地收敛到真实目标状态。仿真实验结果表明,迭代粒子滤波能够提高采样效率和计算速度,并削弱杂波在融合估计中的影响,实现了对目标的高效、精确和鲁棒跟踪。4.针对粒子滤波算法中粒子的空间覆盖能力问题,提出了一种箱粒子滤波视频目标跟踪算法。该方法结合视频跟踪中量测函数为非初等函数以及数字图像坐标具有离散性的情况,对量测区间映射、收缩算法和重采样策略进行改进,从而构造箱粒子实现了对状态空间的高效覆盖。仿真实验结果表明,箱粒子滤波视频跟踪算法能够提高采样效率和计算速度,对运动动态范围较大的目标具有较好的跟踪性能。