视频目标跟踪是计算机视觉、人工智能等领域的研究热点,在视频检索、视频分析、模式识别等方面有重要的研究价值。根据操作域的不同,目标跟踪算法分为像素域算法和压缩域算法。像素域算法将视频完全解码成图像帧,然后利用像素域信息进行目标跟踪。大部分像素域算法没有直接的目标运动信息,通过在下一帧中搜索与目标特征相似的区域定位目标从而完成跟踪,所以计算复杂度高,难以实时。视频压缩过程中产生了有利于目标跟踪的信息,如运动矢量(MV)和离散余弦变换(DCT)系数,MV反映了宏块在相邻帧之间的位移,DCT系数反映了图像的纹理。压缩域算法对视频进行部分解码就可以提取MV和DCT系数,既获得了有用的目标跟踪信息,又减少了解码时间。本文在H.264压缩域中建立时空马尔科夫模型对目标进行跟踪,主要工作有以下几点:1.提出了基于像素运动矢量的跟踪算法。基于块运动矢量的跟踪算法可实现一定程度的跟踪,但是,随着帧数的增加,跟踪准确率会大幅度下降。针对这种情况,提出了像素运动矢量算法,该算法明显提高了跟踪准确率,避免了大幅度下降的问题,但依然存在准确率缓慢下降的现象。通过两个算法的对比试验,更加深入地了解了MV的时域特性及其在跟踪上的缺陷。2.将像素运动矢量算法作为MV时域特性与MV空域特性结合,融入马尔科夫随机场框架,通过最大化后验概率标记宏块是否是目标块,确定目标位置,逐帧循环实现跟踪。该算法首先对MV进行预处理,接着对跟踪问题建立时空马尔科夫模型,并用贝叶斯框架归结为:块的标号类别取决于其时域连续度、空域一致性和紧密度的加权和。其中,时域连续度的计算采用像素运动矢量算法。通过实验对比,表明该算法可以提高跟踪准确率。