近些年来,随着各领域的要求不断提高,在复杂背景下基于序列图像的运动目标跟踪成为当前研究的热点。目标跟踪即是通过对成像设备拍摄到的视频信息进行分析,实时和自动地识别目标、提取目标位置信息从而能够智能的实现对运动目标的跟踪,能够在后面持续给予的信息中智能的锁定目标的位置。特别是跟踪过程中的遮挡问题越来越成为限制跟踪算法实用性的关键因素。如何解决运动目标跟踪过程中的遮挡问题是本文的研究重点。本文的研究内容主要包括如下几个方面:1)针对序列图像的目标跟踪,在运动目标检测的基础上,根据目标产生模板,对后续帧的图像,进行多分辨率的模板匹配来实现目标的跟踪,基于多子块的灰度相关匹配算法通过目标的各个具有较明显特征的子块准确判定遮挡区域,利用剩余的未被遮挡的子块参与灰度相关匹配继续跟踪目标,并针对实际情况对模板进行更新,同时通过卡尔曼滤波预测目标的运动参数,从而解决了目标被遮挡、相关匹配对细节像素敏感且运算量大的问题,达到稳定的跟踪效果。2)研究了基于边缘的目标提取方法。对分割出的运动目标图像进行特征提取,主要是刚性物体的边缘特征(用于边缘匹配跟踪算法),然后利用特征点分散法提取特征点,最后利用两帧间特征点投票得出目标的位移。3)本文介绍了一种基于HSI色彩空间直方图进行目标跟踪的方法,该方法使用符合人类视觉特性的HSI颜色空间,改进出了一个基于分块的颜色直方图匹配跟踪算法。在算法中,先通过卡尔曼预测器估计出下一帧图像中目标的大致位置,然后通过模板块在跟踪窗内做颜色直方图匹配得出目标的位移,同时使用分块法降低了遮挡情况出现下对目标匹配的影响。