视觉跟踪问题是当今计算机视觉领域的研究热点。随着社会公共安全体系的逐步完善,公共场所中对安全智能监控系统的要求越来越高,这使得许多知名公司和科研机构在此课题中投入大量人力财力。人体运动目标的检测与跟踪是视觉跟踪的重要部分,它在未来研究领域中将有广阔的前景并能带来巨大的社会效益。行人跟踪主要包含三个方面的研究,第一是图像处理,然后是动态目标检测,第三是动态跟踪算法。图像处理包括灰度化处理、图像去噪和滤波、形态学处理等基本方法。目标检测和标识采用图像窗口的概念,采用区域生长的方法简化窗口,实现行人目标的识别。针对目前动态行人跟踪TLD(跟踪-学习-检测)算法在行人目标遮挡后易出现跟踪漂移的不足,提出了一种改进的TLD动态行人跟踪算法。在跟踪器跟踪成功后,引入遮挡窗的方法进行行人目标遮挡的判定。若出现部分遮挡,则由TLD学习器处理;若出现严重遮挡,则在TLD的跟踪器中加入卡尔曼滤波器来预测估计当前帧中行人可能存在的区域,缩小跟踪器的搜索范围,提高跟踪器的处理速度;并在TLD检测器中加入基于马尔可夫模型的方向预测器,缩小检测器的检测范围,增强检测器对相似行人轨迹的判别能力.实验结果表明,改进后的TLD算法在不同的实验环境下均有较强的鲁棒性,能够快速准确地进行动态行人运动轨迹的跟踪,并且改善了行人目标遮挡后易出现跟踪漂移的问题。通过算法优化,系统的工作效率有很大改善。