计算机视觉技术正在进入人类日常生活,并且已经成为现代社会进步的重要推动力。更先进的机器视觉意味着更稳定、更精确、更高效的机器自主识别与跟踪计算,对感兴趣目标的机器视觉跟踪算法是其中的关键环节。本文就贝叶斯递推估计理论框架下的目标跟踪算法展开研究,比较了状态最优准则估计和密度近似两种跟踪算法的设计思路,通过目标区域的颜色特征匹配方法对目标跟踪算法进行了仿真实验,文章的主要研究内容可以总结如下:文章的开头部分是对课题研究理论基础的简单论述,包括数字图像色度空间模型及直方图统计算法和贝叶斯统计推断模型。通过对贝叶斯递推估计框架的讨论,从理论的角度为递推估计方法在目标跟踪问题中的应用提供了线索。从最大后验准则和最小均方误差准则出发,详细总结了线性系统状态后验均值估计算法的步骤,探讨了递推估计算法在视频目标跟踪问题中的应用点,进行了桌球跟踪仿真实验。随后从另外一种跟踪算法的思路-对目标状态后验密度进行近似的角度出发,详细论述了随机模拟方法的理论基础及其在贝叶斯概率的计算问题中的应用。研究并总结了状态后验密度的递推估计算法-顺序重要性采样方法及重采样算法方面的改进。文章最后部分是对粒子滤波的Bootstrap目标跟踪算法仿真实验,首先详细说明了对目标状态模型和量测方法的假设,在选定目标区域色度直方图相似性判别为量测的前提下,实现了在视频信号中对目标区域位置的稳定跟踪和目标尺度变化的跟踪。文章的结尾探讨了在视频目标跟踪技术的发展历程中,实时性制约与粒子滤波方法发展的关系,并提出随着多核心处理器与并行计算技术的发展,实时计算的桎梏必将被打破的看法。