运动目标跟踪在自治车辆导航,机器人控制,基于运动的识别,视频压缩,基于视觉的控制,人机接口,医学成像,增强现实和视频场景监控中都具有重要的应用前景。随着应用的推广,各种新技术被应用到目标跟踪中来适应更加复杂的环境,但到目前为止,还没有一种算法对所有的情况都能适用,所以研究一种鲁棒性好、精确、高性能的运动目标跟踪方法是该研究领域所面临的一个巨大挑战。运动目标跟踪的最终目的是分析和理解其行为以及和其他目标的交互关系,运动目标的行为理解和描述引起了各国学者的高度重视,已成为最具挑战的研究方向,它是将计算机视觉由低、中层次的处理推向高层抽象思维的关键问题。本论文在回顾前人工作,研究各种跟踪算法及其应用场合的基础上,提出了一种新的跟踪算法,满足了视频监控系统对跟踪算法实时性的要求,解决了交互、碰撞、目标进出场景、多目标跟踪等问题,实现了监控系统中对多种运动目标(如人,鱼群,鸟群)的跟踪,并在数字全息干涉测量技术测量溶液浓度变化中,实现了溶液浓度变化过程的无噪声干扰跟踪重建;特征作为目标的行为描述和身份标识,是进行计算机视觉高层研究的主要信息,本文在跟踪的基础上提取了目标的关键运动特征。本文首先针对运动目标跟踪中存在的问题,提出了AMCMC(Added MarkovChain Monte Carlo)粒子滤波跟踪算法。AMCMC算法是把RJMCMC(ReversibleJump Markov Chin Monte Carlo)算法中检测进入场景和离开场景目标的部分移到马尔可夫链外,使其抽样过程相当于MCMC(Markov Chain Monte Carlo)粒子滤波器。算法的运算复杂度低,可以跟踪可变数量的运动目标,还可以定义交换运动模式来解决遮挡、碰撞等问题。通过在AMCMC算法中定义不同的观测模型和运动模式,实现了对运动人体、机动性很强的群体运动目标鱼和鸟的跟踪。通过不同运动模式不同观测模型的思想,进一步降低了运算的复杂度,达到了实时跟踪的要求。对于目标的特征提取,本文主要提取目标的运动特征。在提取目标基本尺寸特征的基础上,提取了目标的运动速度和方向,并重点提出一种在视频中利用目标尺寸的变化特点测量鸟的翅膀拍打频率的方法。通过对鸟在视频中的运动进行分析,得出鸟在图像中的尺寸变化周期与鸟的拍打频率一致的结论,采用短时傅立叶变换对尺寸信号进行时频分析,并计算信号的局部平均频率,准确测量了鸟的局部拍打频率随时间的变化。在实现溶液浓度变化过程的无噪声干扰跟踪重建时,首先介绍了跟踪重建的过程和原理,针对存在噪声的特点引入了一个似中值滤波器的后序滤波器,消除了噪声对测量结果的影响。