目标跟踪是计算机视觉领域的热门研究方向之一,受到广大学者的关注。目标跟踪就是在视频中跟踪到感兴趣的目标,给定目标的初始位置信息,跟踪算法能够在后期的视频序列中估计出目标的位置。多源目标跟踪是目标跟踪中的一个重要的研究方向,它融合了目标在不同光源下的特征,对建立的目标模型,具有重要的意义。同时多源目标的融合,也为解决目标遮挡、光照变化等条件下的跟踪。如何提高跟踪算法的精度和速度是多源融合跟踪中的重要问题。为此,本文开展了基于Ada-boost和SVM的多源目标融合跟踪方法研究。主要工作如下:1)提出了基于Ada-boost置信图的多源目标融合跟踪算法。首先,以颜色和纹理特征为描述子对红外与可见光图像的目标样本与背景样本进行表征和Ada-boost分类,并基于分类度计算得到红外与可见光图像的置信图;然后,在置信图中分别计算它们的目标候选者与其模板置信图之间的相似度,并将两相似度进行加权融合,来构建联合目标函数;最后,对目标函数进行泰勒展开和求导等操作,推导出联合位移公式,并运用均值漂移算法完成目标搜索,从而实现了实时融合跟踪。2)提出了基于PCA-Struck多源目标融合跟踪算法。首先,使用主成分分析法将当前的可见光与红外图像进行融合,并以前一帧的目标位置为中心,在当前融合图像中进行目标和背景样本的密集采样,通过SVM训练来更新前一帧的二分类器;然后,计算每个样本到SVM分类器的超平面的距离,并以此为标准给每个样本打分;最后,以评分最高的样本作为当前帧的目标,并更新目标位置。对多组红外与可见光视频的测试结果表明,本文所提出的两种跟踪方法在目标旋转运动、光照不均等方面都有较好地跟踪性能。