运动目标跟踪作为计算机视觉领域研究的热点课题之一,涉及了机器视觉、图像处理、模式识别、概率论等学科领域,在智能交通系统、监控视频、智能机器人等方面有着广阔的应用前景。本文立足于重庆市重点科技攻关项目《嵌入式WEB监控视频摘要生成及其快速浏览关键技术研究和开发》开展研究。运动目标跟踪中一个核心环节就是跟踪预测算法的研究,其中卡尔曼滤波与粒子滤波算法是当前被广泛使用的跟踪预测算法。鉴于监控视频下目标运动的随机性大的特点,只能解决高斯线性问题的卡尔曼滤波不是一个理想的解决方法,所以本文把研究重点放在了能解决非线性非高斯问题的粒子滤波算法。本文主要工作与创新如下:1.在贝叶斯滤波的框架下,对运动目标的模型构建、目标运动中的遮挡情况进行详细讨论,分析了Kalman滤波与粒子滤波两种经典算法的优缺点。介绍了粒子滤波算法对单目标跟踪的具体实现,并对粒子的采样与重采样过程进行了深入分析。2.结合前景检测对粒子滤波算法进行了改进。该算法通过利用前景检测得出的目标区域信息,在以下三个方面提高了粒子滤波跟踪算法的效率:首先通过在区域中提取目标的颜色直方图作为目标特征,提高了目标模型描述的精确性;其次通过把粒子的采样区域限制在目标区域里,提高了采样样本的可信度,保证了粒子的多样性,也减缓了粒子退化的速度;最后由于前景检测能很好地反应出非刚性目标的外观变化,使得粒子滤波能够更好地解决复杂情况下的运动目标跟踪问题,从而大大提高了粒子滤波的跟踪效率。3.将改进的粒子滤波与数据融合的跟踪门技术相结合,应用到多目标跟踪中,取得了良好的跟踪效果,并基于vs2005与opencv1.0开发实现了独立的跟踪模块,为项目后续开发做好了铺垫。