视频目标跟踪是一个热点问题,在视频监控、智能导航、智能交通等领域都有广泛的应用。设计一种具有较高鲁棒性的视频目标跟踪算法,是一项极具挑战的任务。在摄像机网络中,分布式粒子滤波算法特别适用于大规模的非线性和非高斯的分布式系统,但在通信资源、节点资源受限的摄像机网络中应用存在一定局限性,因此有必要深入研究分布式粒子滤波算法具体实现。针对非线性、非高斯的应用场景,本文提出了一种基于一致性算法的分布式边缘粒子滤波目标跟踪算法,首先将各个摄像机中的局部概率密度的乘积近似为高斯分布,用平均一致性算法来计算高斯分布的参数,从而实现对跟踪目标状态的估计。论文具体工作如下:(1)针对在分布式的摄像机网络中进行目标跟踪时计算负载以及数据的传输量大的问题及跟踪精度不高的问题,本文采用了在分布式的摄像机网络中在摄像机运行局部基于颜色特征的粒子滤波方法的基础之上再加入融合滤波的基于一致性的分布式方法。该方法的具体实现方式就是在分布式摄像机网络中所有的摄像机节点上都分别运行两种粒子滤波,一种是局部基于颜色特征的粒子滤波,摄像机节点根据自己本地对目标的观测值进行滤波算法,第二种是融合滤波器,用来计算全局滤波。该方法将大量的计算分配到各个摄像机节点,不需要融合中心,也不会产生大量的通信,加入颜色特征提高了跟踪的鲁棒性。仿真实验结果也证明了该方法确实可以很好的降低数据通信量以及实现更稳定的跟踪,验证了该方法的有效性。(2)针对摄像头由于角度、光线等问题造成的跟踪失败的问题,本文融合多摄像机多角度跟踪数据,将基于颜色特征的边缘粒子滤波方法与基于一致性的分布式算法相结合,利用基于一致性的分布式算法来减少在跟踪中产生的数据传输量同时提升传输效率。用基于颜色特征的边缘粒子滤波方法来提升跟踪的精度,增强算法的鲁棒性,提出了一种基于一致性的分布式边缘粒子滤波目标跟踪算法,进行实验仿真,验证了所提的算法的高效性和可用性。