图像序列中运动目标跟踪是计算机视觉与图像处理领域中非常活跃的研究内容,广泛的应用在军事制导、视频监控、智能交通、运动图像压缩编码等不同领域。因此,运动目标跟踪算法的研究具有十分重要的意义。运动目标跟踪的过程由两部分构成:首先是对目标的检测和提取,确定目标在图像序列中的位置;接下来在连续图像帧中对目标进行位置关联,即完成目标的定位工作,从而找出目标的运动轨迹。本文主要是对运动目标跟踪方法进行了分析和实现,重点研究了两种不同的目标跟踪方法,并有效解决了跟踪过程中出现的不同问题。本文的主要工作汇总如下:1.运动目标的检测和提取是目标跟踪任务的前提和基础,目标检测的好坏直接关系到后续处理过程中目标是否能正确有效的跟踪上。目标检测的算法主要有背景差分法、帧间差分法和光流法,本文对各种检测算法进行了实验分析,并指出了各自的适用范围和优缺点。2.关于目标跟踪方法的研究,本文介绍了目标跟踪的过程及其分类,并分析和实现了几种常用的目标跟踪方法:如均值漂移算法、卡尔曼滤波算法和粒子滤波算法。3.针对均值漂移算法在目标遮挡和复杂场景中因为不能有效对运动目标状态进行预测从而导致目标跟踪丢失的情况,将其与卡尔曼滤波算法融合,然后针对目标严重遮挡和光照变化复杂的情况对该融合算法做了相应改进,引入目标遮挡判定和目标模型更新机制,最后通过实验验证了本文改进算法的有效性和实时性。4.针对粒子滤波算法中粒子退化的问题,本文创新性地将KLD-Sampling算法与高斯粒子滤波算法结合,避免了粒子退化现象,实现了跟踪过程中粒子数的自适应,提高了算法跟踪的鲁棒性和稳定性。最后本文进行了跟踪对比实验,证明了改进算法的有效性。