随着视频监控系统智能化要求的提高,人们不再只满足于在视频中跟踪到特定的目标,而需进一步对目标表观和行为进行分析。视频中提取出的目标轮廓包含丰富的形态学信息,对于物体分类、行为分析都具有重要的意义。因此,在复杂环境中解决目标轮廓的提取问题已逐渐为人所关注。其中包括两个主要问题,即轮廓提取和遮挡解决:前者为单目动态轮廓算法中的核心问题被广泛关注,而后者因单目跟踪算法具有信息不足的局限性而通常被忽视。三维目标建模被认为是一种解决目标遮挡问题的可行方案。近年来,随着它在运算速度及建模方式等各方面的改进,该方案逐渐取代了传统单视点遮挡估计成为视频监控中解决遮挡的主流技术。但是,由于传统建模算法常常无法生成精确的模型,进而导致目标轮廓精度降低。于是,提出一种既能获得精确目标轮廓,又能较好解决遮挡的轮廓跟踪算法就势在必行。本文基于多视点跟踪的框架之下,重点研究了在解决各类遮挡问题的前提下尽可能最大限度保持目标轮廓精度的方法,并将传统的单目目标跟踪算法结合进来,用于初始轮廓的提取及遮挡区域的选择。主要工作如下:首先,本文对传统单目跟踪算法进行了研究,并重点研究了动态轮廓提取算法,并将Snake算法结合到多视点跟踪的框架中去;其次,基于单视点跟踪算法提取出来的初始轮廓之上,我们用体素啄刻方法生成场景三维模型,并提出了用粒子滤波筛选遮挡区域的方法,选取有价值的区域用于目标三维视壳模型的修复,并使用在虚拟和真实视频集上的实验验证了建模算法的优越性;再次,我们将各类遮挡独立考虑,利用原始轮廓及有价值遮挡投影确定各视角用于建立视壳模型的轮廓,采用精准多面体视壳算法生成最终目标模型,并将该模型在各个视角上的投影生成最终的目标轮廓,在真实视频集上的对比实验证明了我们算法在跟踪方面的优越性;最后,我们将在模型重建以及跟踪精度等方面呈现在我们的算法在KungFuGirl、LAB和SCULPTURE这三个经典序列上的测试结果,并以对比实验证明我们的算法相对于COST、M2等经典多视点算法的优越性。