视频监控领域对计算机视觉技术有急切的需求,而视觉目标跟踪是其中一个重要的基础研究问题,通过对感兴趣的目标物体进行跟踪并记录跟踪轨迹,我们可以从一段视频中提取出一个结构化的视频摘要,还可以对视频中的群体或单体异常行为进行分析,或者协助公安机关对犯罪嫌疑人进行查询和搜证,等等。经过近二十年的发展,现有的目标跟踪方法已经可以在一些难度较小的视频场景中进行准确跟踪,但是,面对包含目标遮挡、形变、快速运动等难点的视频场景时,现有跟踪算法的准确度和鲁棒性还有待提高。本文对目标跟踪领域的发展进行了分析和探讨,并针对现有跟踪算法的缺陷提出了几种可供参考的解决方法。本文的主要研究内容和贡献包括:1)提出了一种结合消失判断的长时目标跟踪系统,解决了传统短时跟踪方法无法判断目标消失状态、在遮挡情况下容易把背景干扰信息引入跟踪模型的问题。该系统基于结构化支持向量机基础模型,把基于对数极坐标转换和混合高斯模型的目标消失判断机制引入了跟踪系统中,在判断目标消失以后,停止跟踪模型和消失判断模型的更新,并采用重检测方法对目标进行扩大搜索和检测。本方法可以在遮挡严重的场景下防止背景干扰信息在跟踪模型中的累积,在遮挡结束以后重新跟踪住目标物体,并成功应用在中兴通讯公司的跨摄像机目标跟踪系统中。2)提出了一种基于图约束核相关滤波和多模板投票的目标跟踪方法。本方法通过图模型模拟目标流形结构,并通过目标流形上的信息传递对训练样本和待检测样本之间的关联进行了挖掘,在经典相关滤波模型的基础上引入流形约束并通过半监督学习方法计算滤波器,提高了相关滤波模型的准确度。同时,为了提高目标特征的表达能力和减少误差信息在目标模板上的累积,这里提出了一种目标模板库的构建和更新方法,模板库会保留跟踪历史上各种不同姿态的目标特征,给每个目标模板设置重要性权重并根据使用频率更新该权重,权重最小的模板会优先被新模板所替换,在跟踪过程中,本方法会自动选择最优的多个模板进行投票,决定目标最终的位置。由于保存了丰富的目标模板和最终的投票机制,本方法可以有效处理目标形变和遮挡严重的情况,提高跟踪算法的准确度和鲁棒性。3)提出了一种基于仿射变换预测的相关滤波目标跟踪方法。针对传统相关滤波模型无法预测除目标位移以外的其他仿射变换的问题,本方法采用从粗到细的跟踪流程,利用长短时记忆网络自动生成相关滤波模型的更新率,用于预测目标的粗糙位移,然后通过一个仿射估计网络来粗糙估计目标当前的姿态变化和位移并进行目标对齐,最后采用对数极坐标变换和相关滤波操作提取与目标仿射变换相关的特征,并通过多层全连接网络来映射得到目标仿射变换参数。本方法把目标跟踪转换为目标仿射变换参数预测问题,相对于传统的基于位移和尺度预测的跟踪方法来说,可以处理更加复杂的目标运动。