行人跟踪是计算机视觉领域的一个研究热点,在智能监控、自动驾驶和人机交互等领域都有着广阔的应用前景,其中目标与背景相似导致跟踪精度低是目前跟踪算法研究的一个重点。近年来,国内外都对行人跟踪技术进行了相关的研究,并取得了一定突破,但实际效果仍不能满足用户对系统的高准确性和实时性的要求。本文通过对相似背景中的行人跟踪问题研究,发现影响行人跟踪效果一个重要因素,是相似的背景对目标的特征提取和匹配产生干扰,导致出现算法对目标的跟踪精度降低甚至目标丢失等问题,其中最为常见的有目标与背景出现颜色相似或者纹理信息相似。针对这个问题,本文提出一种自适应分配特征权值的方法:在行人跟踪算法中,颜色特征表征目标的颜色,LBP特征表征目标的纹理,通过自适应融合可以实现两种特征的互补优势,根据目标和背景的颜色相似度、纹理相似度来自动分配特征的权值,当行人目标和背景的颜色相似度增大时,自动降低颜色特征的权值,提高其它特征的权值进行跟踪;同样当行人目标和背景的纹理信息相似程度增大时,自动降低纹理特征的权值,提高其它特征的权值进行跟踪,从而增强了算法在相似背景中跟踪的鲁棒性和准确性。具体研究内容如下:(1)目标与背景的区域分割。通过混合高斯和形态学处理等方法,对图像中的目标和背景实现清晰完整的区域分割。(2)目标与背景的区域特征相似度计算。根据目标和背景的区域分割结果,选择相关相似度计算方法,分别对目标区域和背景区域之间的颜色相似度、纹理相似度的进行计算。(3)自适应特征融合的行人跟踪方法。根据颜色相似度和纹理相似度来确定特征融合策略,使用粒子滤波跟踪算法进行行人跟踪,并对算法的跟踪性能进行实验对比,验证算法的可行性。通过实验表明,相比其他算法,本文算法在相似场景中能达到更好的跟踪效果,有效解决因相似背景所导致的跟踪精度下降等问题,具有更强的鲁棒性。