图像跟踪技术是计算机视觉领域的核心课题之一,具有十分重要的意义和广泛的实用价值。它融合了图像处理、模式识别、人工智能、自动控制以及计算机应用等相关领域的先进技术和研究成果。图像跟踪的实质是一种从图像信号中实时自动识别目标、提取目标的位置信息、自动跟踪目标的技术。其难点在于利用不可靠的信息在复杂的应用环境中获得可靠的跟踪效果。本文以实际工程需求为背景,通过对动目标识别与跟踪算法的研究,找出解决复杂背景下目标识别的方法,同时寻求一种有效的途径解决目标跟踪过程中的遮挡和旋转问题,从而对实际采集的复杂背景下动目标图像序列进行高速有效的跟踪。针对复杂背景下的目标识别问题,本文采用了背景模型的自适应更新法,较好地解决了背景扰动、外界光照变化等问题,从而有效地提取复杂背景下的目标图像。根据图像序列相邻两帧间的时间间隔很小,使得目标的灰度值不会发生突变的特点,研究了阈值分割算法,将Kalman滤波用于图像分割的阈值预测与修正上,提出了基于预测的自适应阈值分割方法,保留了目标的形状特征,降低了背景影响。为了实现目标检测与跟踪的可靠性,根据目标的形状特征,利用目标的面积和形状因子等标量,滤除复杂背景中与目标灰度值近似而形状不同的噪声。本文中跟踪的目标为类长方形,目标不仅随着质心做整体运动,而且还围绕着质心做旋转运动,并且多个目标间、目标与干扰物等发生互遮挡和自遮挡。为了克服旋转和遮挡,精确的跟踪目标,首先采用了Susan角点提取算法,准确、高速地提取出目标的特征点。然后利用基于特征点的点模式匹配算法,根据目标的特征点不仅可以完好表征目标的形状,而且具有旋转不变性的特点,从而解决了目标的旋转和轻微的遮挡问题。