在计算机视觉领域中,运动目标跟踪是一个重要的课题,在智能监控、导航制导、视频编码等领域有着广泛的应用。运动目标跟踪是指,对首次出现在视频帧中的目标,自动地确定其在后续视频序列中的位置及状态的过程。依据视频的拍摄条件不同,运动目标跟踪分能够分为静态场景和动态场景两种情况。本文所研究的,就是如何实现在动态场景下的运动目标跟踪。运动目标跟踪的实质,是选取可靠的特征描述目标,采用合理、有效的搜索方式在视频序列中完成目标的识别及定位。首先,本文在对特征提取算法进行研究分析后,采用基于random ferns结构的特征描述方式,充分考虑像素之间的空间关系及灰度信息,具有相对较好的鲁棒性;并针对本文所要解决的问题,对该特征进行改进,获得适用于本文问题的特征提取算法;在分析了在目标跟踪过程中,目标的尺度、姿态等变化对特征提取的影响之后,通过初始目标生成多种训练样本,获得鲁棒的初始特征分布模型;然后,针对目标跟踪中容易出现误差累积,以及遮挡等复杂运动情况,提出了一种基于背景补偿的引导策略,首先检测到当前帧内的运动边界,然后进行筛选,根据检测结果构造出待匹配的候选运动区域;之后,将random ferns特征及朴素贝叶斯相结合,对待匹配区域进行识别分类,实现当前帧的目标定位;最后根据跟踪结果引导目标的特征模型进行合理更新,完成运动目标的跟踪。实验证明,本文提出的方法能够适应运动目标的形变,并且在存在目标遮挡、粘连的情况下,也能实现目标的准确定位,完成运动目标跟踪。