基于视频的目标分割与跟踪技术是计算视觉领域中的最主要研究方向之一,虽然研究人员已经提出了很多有效的目标跟踪方法,但是由于目标跟踪中存在复杂背景干扰、目标外观变化、多目标间的合并、分离和遮挡等问题时,会造成目标跟踪的鲁棒性和准确性降低。针对这些问题,本文在马尔科夫链蒙特卡罗(MCMC)算法和粒子滤波器的基础上,对多目标的鲁棒检测和跟踪方法进行了深入的研究,具体如下:　　 (1)提出一种多特征融合的混合高斯背景建模方法,克服了采用单一特征进行目标检测时存在的误检问题,并在此基础上利用一种确定疑似阴影和确定真实背景的双重判决阴影方法,对于准确去除阴影提供了双重保证。　　 (2)针对于普通粒子滤波的目标跟踪方法存在计算量大、过程耗时和粒子退化等问题,提出一种基于MCMC的粒子滤波算法,不仅增加了粒子采样的多样性,而且满足了计算的实时性。　　 (3)提出一种多目标跟踪框架,能够高效的实现复杂场景中的多目标跟踪,将跟踪窗引入到数据关联的过程中,实现了对数目和大小都发生变化目标的稳健跟踪,并能解决场景中存在目标严重被遮挡、合并、分离、出现以及消失等复杂问题。实验结果表明了本文跟踪框架的有效性。