基于图像序列的目标跟踪作为计算机视觉领域的一个重要而富有挑战的课题,得到了广泛而深入的研究,然而长期以来大部分工作都集中在对人或者类似汽车飞机的机动目标的跟踪上。可以毫不夸张的说视频序列中实现对动物的跟踪更具有挑战性,尤其是鼠类目标,其形状的多变性,运动的无规律性,频繁而且严重的遮挡,目标之间的高度相似以致难以区分等都给跟踪带来的巨大的困难。本文在粒子滤波框架基础上,分别就单个鼠类目标和多个鼠类目标的情况,提出和实现了不同的跟踪算法。具体内容如下:提出将加权的颜色直方图作为观察模型融入粒子滤波器算法框架,实现了对单个鼠类目标的跟踪。算法可以在粒子较多的情况下对鼠类目标进行跟踪。为实现同时对多个鼠类目标的跟踪,本文首先研究了鼠类运动的动态模型,分别讨论了位置和形状动态变化规律,提出了用二阶自回归过程来描述鼠类目标的位置传递,用约束布朗运动来描述老鼠形状的动态变化。为建立视频图像中鼠类目标的表观模型,本文研究了在贝叶斯框架下提取图像观察的一般方法,通过将图像网格化,并认为各网格间的图像观察是相互独立的,从而可以在求解各个网格图像观察的基础上求解整幅图像的表观模型。最后在目标动态模型与图像观察模型的基础上,结合粒子滤波提出了针对多个鼠类目标的跟踪算法。试验结果表明,融入加权直方图的粒子滤波算法可以对单个鼠类目标进行跟踪;而多目标跟踪算法不仅跟踪准确性上较加权直方图有较大提高,而且对遮挡,突然运动等跟踪难题具有较好的性能。