运动目标跟踪一直是计算机视觉、数字视频与图像处理及模式识别领域中的一个重要研究课题,主要包括目标特征选取、特征匹配及目标跟踪等几个方面。其实现的关键在于恰当地选取目标特征、合理地选取目标特征匹配算法和准确地估计目标的状态。本文以道路上运动的小汽车为研究对象,对视频运动目标跟踪算法进行了深入的研究。本文首先对运动目标跟踪技术进行了系统的综述,介绍了目标跟踪的主要应用、跟踪算法的国内外研究与发展现状,并分析了运动目标跟踪的基本原理。阐述了相关跟踪原理并进行了仿真实验。采用了基于最小平均绝对差值函数的相关跟踪算法,实现了对道路上运动小汽车的跟踪。仿真实验结果表明,基于最小平均绝对差值函数的相关跟踪算法能够改善相关跟踪过程中的跟踪窗口偏离目标问题,能很好的跟踪目标。针对固定模板的局限性,接着研究了一种基于模板更新的互相关跟踪算法,仿真实验结果表明此种算法的跟踪结果优于基于最小平均绝对差值函数的相关跟踪算法。将粒子滤波理论应用于视觉跟踪领域,描述了基于粒子滤波方法的跟踪框架。接着将相关跟踪算法纳入到粒子滤波跟踪框架,得到了一种基于粒子滤波的相关跟踪算法。仿真实验结果表明,与基于最小平均绝对差值函数的相关跟踪算法相比,此算法能有效地克服障碍物的遮挡问题,提高了跟踪的鲁棒性。卡尔曼滤波是最小均方误差准则下的估计问题,可用来进行目标运动估计。本文分析了卡尔曼滤波的基本原理,讨论了卡尔曼滤波跟踪模型,并以此为基础构建了一种基于卡尔曼滤波的道路目标跟踪算法,把跟踪对象从单个运动小汽车扩展到两个。仿真实验结果表明此算法能有效地对多运动目标进行跟踪。