随着科学技术和计算机视觉技术的迅猛发展,智能视频监控技术在人们的日常生活中得到广泛的应用。在计算机视觉领域,运动目标跟踪技术作为智能视频监控中的关键技术,一直都是重点研究课题之一,其在智能安防监控、辅助驾驶甚至无人自动驾驶、工业智能机械手臂和智能机器人等高科技领域都具有广泛的应用前景。本课题重点针对目前时效性能最优的核相关目标跟踪方法(KCF,kernelized correlation filter)以及尺度估计相关滤波器(DSST,discriminative scale space tracker),对复杂视频场景下的目标跟踪的关键技术展开深入研究,力图在目标跟踪失败重检测、引入随机抖动因子增加算法精确度、多尺度估计提高算法精度、视觉目标跟踪应用研究等方面有所突破。1.针对传统的核相关跟踪器(KCF)跟踪过程缺少跟踪效果检测的问题,提出了一种采用峰值旁瓣比(PSR,peak sidelobe rate)跟踪失败重检测的核相关目标跟踪方法。本课题首先对核相关算法的学习样本进行了预处理,利用二维高斯函数具有权重分布截取的功能,在样本中的目标位置上截取图像块权值化,从而获得更高的目标信噪比以及更少的背景干扰信息。在图像序列处理的过程中,实时检测相关运算得到的峰值旁瓣比,判断是否跟踪失败,同时在跟踪效果比较的序列对检测功能进行更新学习,进而强化跟踪器的检测功能,使得能够更好地恢复运动目标跟踪。最后通过实验验证了的该种采用PSR重检测改进目标跟踪算法的鲁棒性,相比传统的KCF目标跟踪算法的总体精度提高了13.2%。2.根据粒子滤波引入的随机抖动因子有助于提高跟踪系统的稳定性,本课题在相关滤波分类器基础上,提出了一种具有运动状态估计和目标尺度估计的视觉目标跟踪方法。该方法将粒子滤波和核相关滤波方法相结合,先估算出运动目标的位置。然后再执行尺度相关滤波器估算目标的尺度,可使算法对尺度变化的运动目标具有更强的适应能力。实验验证了本算法的高效性,且在目标尺度变化、光照变化、姿态变化、部分遮挡、旋转及快速运动等复杂情况下均有较强的适应性。3.针对传统的核相关目标跟踪方法在尺度变化明显的图像序列中表现得差强人意,提出了一种核相关多尺度估计的改进视觉目标跟踪方法,从而提高核相关跟踪算法对有明显尺度变化的运动目标具有更高的跟踪性能。本课题把灰度HOG特征金字塔映射到一维向量中,并把HOG特征金字塔作为一维输入,可以获得相关滤波器的最高响应值,经过换算后,作为目标尺度的最佳响应值。实验验证了本课题跟踪算法的时效性,且验证了本方法在复杂场景下均有较强的适应性,具有重要的理论和应用研究意义。4.主动视觉系统更智能更符合人类日常生活的需求,本课题提出了一种基于本课题提出的具有运动状态估计以及多尺度估计的目标跟踪算法的PTZ摄像机控制方法。用工程语言C++(在QT5平台上)OPENCV库实现了PTZ摄像机控制系统。并通过现场实验验证了在实际生活场景中,本系统能够准确地跟踪给定目标并能精准地控制PTZ摄像机转动,确保目标在摄像机视野中央。