运动人体检测与跟踪技术作为计算机视觉领域中的研究热点，被广泛应用于智能监控、运动分析、交通管控、高级人机交互等领域，也是安保机器人视觉导航技术中重要的研究内容，具有很高的研究价值。本文针对在复杂场景下具有遮挡情况的运动人体检测与跟踪技术进行了研究，主要的工作如下:
　　首先，本文介绍了一种运动人体可变部件模型检测算法，使用行人数据集训练获得人体可变部件模型，在待检测图像上检测出人体区域，实验表明该检测方法能在复杂环境下对不同状态的运动人体进行检测定位。此外，本文介绍了一种判别尺度空间跟踪算法，分别使用位置滤波器和尺度滤波器对运动人体区域进行位置定位和尺度估计，实验分析表明该跟踪方法能在光照变化和尺度变换等复杂情况下有效跟踪目标。
　　接着，针对DSST算法在目标被长时间完全遮挡下由于跟踪模型被污染而导致后续跟踪中目标丢失的问题进行了研究，提出了一种基于改进的DSST运动人体抗遮挡跟踪算法。在DSST跟踪基础上，使用基于Fmax和APCE的历史均值计算策略去检测遮挡;判定存在遮挡时，使用DPM检测算法对运动人体重新定位并更新目标位置，进而更新DSST滤波器模型，实验表明本文的抗遮挡跟踪算法在遮挡、形变、运动模糊、尺度变化和平面外旋转等情况下的距离精度和成功率相比DSST分别提高了4.3％和6％，相比DSST跟踪更准确。
　　最后，为解决运动人体出现姿态变化或被短暂遮挡等复杂情况下跟踪漂移问题，本文提出了结合Kalman滤波与DSST的抗遮挡跟踪算法。该方法利用基于多峰检测与图像相似度来判断遮挡，若遮挡则结合Kalman滤波预测当前帧的位置并根据前期跟踪正确的位置区域重新初始化模型，否则根据位置滤波器的响应值和两帧图像的相似度计算最优响应，在四邻域搜索下根据最优响应定位目标。实验表明该算法在遮挡、形变、尺度变换和平面外旋转等复杂情况下获得的距离精度和成功率上相比DSST分别高出了26.3％和28.4％，相比DSST跟踪更准确。