目标跟踪技术作为计算机视觉领域的一项重要分支,是人与计算机之间互相传递信息的重要手段之一,其对人工智能的发展至关重要。目标跟踪技术应用广泛,场景复杂多样、目标运动无规律,对实际跟踪提出了巨大挑战。本文方法主要为应用于移动摄像设备,对算法运算量有较大限制。如何在减少运算量的同时提高目标跟踪算法准确性,使其在智能设备可以稳定运行,并且具备较高的抗干扰能力是本文的研究重点。本文研究工作如下所示:(1)提出一种加权多特征融合的目标跟踪算法。该算法使用颜色特征和形状特征共同描述图像中的目标信息。通过利用颜色命名、颜色直方图和梯度方向直方图方法分别对目标进行特征提取和建模,再利用相关滤波器对目标模板与下一帧图像进行互相关性计算生成三个相关响应矩阵,对其进行尺度归一化,设置超参数权重,并对三个相关响应矩阵加权融合生成最终响应模板。经过实验证明,该算法在克服场景信息干扰情况具有良好的效果,该算法在成功率指标上比其他算法高出3.6%,在精确度指标上比其他算法高出3.4%,算法平均帧率为58帧每秒,满足实时性要求。(2)提出一种克服目标全遮挡或出视野情况的跟踪算法重检测机制。该算法共有三个主要模块,依次为不可靠评估、重检测模块、可靠性评估。在跟踪过程中出现跟踪效果较差或者跟踪失败的情况时,响应矩阵的峰值会大幅度降低,并低于不可靠评估阈值。当出现连续五帧的响应矩阵峰值低于不可靠评估阈值时,启动重检测模块,利用粒子滤波方法搜索和更新目标位置。当找到新的目标位置时,可靠性评估对新目标与目标模板进行相关性计算得出响应矩阵的峰值,峰值大于可靠性评估阈值,传递目标位置到目标跟踪器。经过实验证明,该方法可以良好的应对特征全遮挡和出视野情况,保证跟踪器的长期稳定的跟踪效果。与第三章算法相比,精确度指标提高了2%,成功率指标提高了2.2%。算法平均帧率为每秒46帧,满足实时性要求。(3)为了方便于在实际应用中检测本文算法的效果,在MATLAB上搭建了一个基于用户图形界面设计的实时目标跟踪系统。该系统具有五个目标跟踪功能模块,可以同步输出目标跟踪算法的目标初始图像、当前目标位置、当前目标图像、目标灰度图、目标响应图,通过利用这些模块可以有效的监测目标跟踪算法在实际使用中的效果。