内河航运在我国的交通运输行业中占据着至关重要的地位,然而,由于船舶种类以及通航环境越来越复杂,导致海事监管量大,此外,有些内河航段狭窄、弯曲、险浅,也给海事局监管部门作业带来了突出风险,使得海事监管成本高。近年来,随着信息技术的飞跃发展,智能视频技术被快速、广泛应用到海事监管体系中。CCTV系统作为电子巡航系统的“眼”部,能够实现全天候全时段的海事监控,然而,由于智能视频技术的智能化水平限制,CCTV系统作业依然需要大量人工参与以从监控视频中获取有用信息。为了提高CCTV监控系统的智能化水平,降低人力资源耗费,深入研究内河CCTV监控视频的船舶跟踪算法具有深远的意义。本文从多目标跟踪的角度出发,深入研究了内河CCTV监控视频中的多船舶跟踪算法,主要研究内容如下所示:1.对内河海事监管系统中常见船舶类型进行了归纳总结,采取对各类船舶提取方向梯度直方图特征来描述船舶外观;针对内河航道特殊的场景特点,对内河监控视频的环境特征作了分析。2.提出了结合梯度方向直方图特征和模糊SVM算法来获取船舶外观特征模型,然后,利用可变形部件模型原理,将多条目标船舶间的空间位置关系作为参数之一,来实现同时对多条船舶的准确跟踪。其中,由于船舶间的空间位置关系的使用,使得该算法可以避免跟踪过程中相似船舶对目标船舶的影响,以免出现跟踪失败。3.当多条目标船舶间出现相互遮挡时,尤其是目标船舶间存在相似船舶时,由于视频帧中被遮挡的目标船舶大部分特征信息丢失,将使得上述多船舶跟踪算法出现误跟等,致使跟踪失败,针对这种情况,本文提出使用最小二乘法来解决目标船舶间相互遮挡时的跟踪定位问题,即当船舶间出现相互遮挡时,使用最小二乘法进行船舶运动轨迹的预测来实现跟踪,当相互遮挡消失时,则使用上述多船舶跟踪算法来实现跟踪。大量实验结果表明,本文提出的多船舶跟踪算法能够准确有效的实现内河CCTV监控视频的多船舶跟踪,使用最小二乘法进行运动轨迹拟合是解决目标间相互严重遮挡的一种行之有效的方法,并且对内河环境中的各种基础船舶都能实现鲁棒跟踪。