随着计算机技术的发展,越来越多的人利用计算机处理视频信息,智能视频处理变得越来越重要。视频目标跟踪是智能视频处理的一部分,在视频监控、视频导航、智能交通、人机交互、武器制导和医学影像处理方面具有广泛的应用。近年来,视频目标跟踪技术不断地提高,但是在实际应用场景中仍然面临许多问题,如目标发生遮挡、姿态变化、快速运动、旋转等,这对目标跟踪算法的研究是一个具有挑战性的问题。相关滤波类目标跟踪方法有较快的跟踪速度和较高的跟踪精度,本文针对在复杂场景中目标跟踪算法遇到的问题,对相关滤波类目标跟踪算法进行研究,主要工作如下:(1)针对目标在复杂场景中发生外观变化如遮挡、形变和光照变化等,本文在时空上下文算法的基础上,提出了一种基于颜色特征和尺度自适应的时空上下文算法。由于现有的目标跟踪方法大多忽略了目标周围的背景信息,本文提取目标及其局部上下文区域的背景信息描述目标。时空上下文算法使用最简单的灰度特征提取目标的特征,这种特征忽略了目标的其他信息,本文对颜色和灰度特征进行加权融合,可以更加准确地提取目标特征。接着利用提取的特征构建空间上下文模型,使用空间上下文模型对下一帧的时空上下文模型进行更新并计算置信图,以置信图中的最大值处作为估计的目标位置。(2)为了解决跟踪器在模型更新时出现更新错误及模型漂移的情况,本文提出一种尺度自适应的模型更新方案。由于目标在每一帧中都可能发生尺度变化,本文将前几帧中目标的尺度进行平均,并根据估算的尺度更新下一帧的尺度及模型,使得估计更加准确。另外,提高估计尺度时选取的视频帧数的频率,从而提高跟踪的精确度。(3)针对目标在复杂场景中发生尺度变化导致跟踪失败的问题,本文提出基于一种基于位置和尺度估计的目标跟踪算法。算法的跟踪器由两个相关滤波器组成,分别对目标运动轨迹和目标尺度进行估计。结合估计的位置和尺度对目标的位置和尺度模型进行更新。