运动目标跟踪技术是计算机视觉领域的核心研究内容,旨在根据指定的目标初始信息,查找每一帧视频或序列图像中的兴趣目标,该技术广泛应用于人机交互、人类行为分析、物体侦查、视频检索、视频监控、虚拟现实、远程医疗等领域。近年来,经过科研人员的不懈努力,目标跟踪算法得到了扩展与更新,根据算法的基本原理,通常将其分为基于区域的跟踪、基于主动轮廓的跟踪、基于模型的跟踪、基于特征的跟踪四类。现有目标跟踪算法仍难以应对背景干扰、遮挡、目标外观变化、多信息融合等问题,存在较大的改进空间。针对现阶段目标跟踪算法存在的局限性,本文主要进行了下研究工作:(1)分析了目标跟踪技术的研究背景与意义,学习了现有四大类别目标跟踪算法的基本原理以及常用于目标跟踪的目标特征。(2)针对颜色相似背景干扰问题,提出了一种优化的CAMshift(Continuously Adaptive Meanshift)算法,通过在经典CAMshift算法颜色直方图中引入亮度和饱和度分量,并对颜色空间进行非均匀量化,提高目标与背景的区分度,能够有效地抑制颜色相似的背景像素对目标跟踪的干扰。(3)针对多数据融合问题,提出了一种基于前向预测的乱序观测(Out-of-Sequence Measurements,OOSM)异步融合算法。算法在前向预测框架内,总结出了OOSM最优融合过程,提出了基于“等效观测(EquivalentMeasurement)”的信息滤波器,可对任意步滞后OOSM进行融合。(4)在Matlab仿真环境下,分别用本文提出的基于HSV非均匀量化的CAMshift目标跟踪算法、基于前向预测的OOSMs异步融合算法与现有算法进行对比,验证本文算法的有效性。