视频目标跟踪是计算机视觉研究领域的一个重要组成部分,它融合了模式识别、人工智能以及自动化控制等诸多相关领域的知识。视频目标跟踪是从视频中提取目标位置信息、跟踪目标的技术,可用于智能视频监控、基于视频的人机交互、自动驾驶、农业自动化和医学图像等领域。近年来均值偏移算法在视频目标跟踪中的应用引起了人们极大的关注,它具有实时性好、对目标变形不十分敏感、鲁棒性好等特点。但它也存在一些不足之处,如窗宽不能自适应、不能有效跟踪快速和大面积遮挡的目标、需要人工初始化跟踪等。均值偏移算法主要有两个版本:标准Mean Shift算法和CamShift算法。本文根据均值偏移算法在视频目标跟踪中的应用为主线,针对性地对这些缺陷做了较好的改进。论文主要内容和创新如下:(1)详细研究了Mean Shift算法在视频目标跟踪领域中的应用,利用仿射性变换求参数,较好地解决了算法中窗宽自适应的问题。(2)提出了一种基于张量梯度直方图的Mean Shift算法。传统Mean Shift算法是在颜色特征空间上建模,当目标和背景相似时容易跟踪失败,但此时目标的空间纹理信息却可能有很好地区分目标和背景的能力,本文提出了张量梯度直方图方法不但利用目标的纹理信息而且将目标的纹理从三维空间直接映射到一维空间,减少计算量,提高了目标和背景颜色相似情况下的跟踪效果。(3)为了解决快速目标跟踪和目标被遮挡问题,本文利用Kalman滤波器对目标在下一帧中的状态进行预测,并将此预测值作为均值偏移算法搜索目标的起始点。本文提出利用相似性系数或Kalman残差与阈值进行对比,当相似性系数或Kalman残差小于某个阈值时就认为目标被遮挡,此时只利用Kalman预测算法进行跟踪直到目标重新出现。(4)利用AdaBoost目标检测方法将目标事先离线学习并取得目标的特征,在视频序列中根据目标特征自动检测出目标再跟踪,解决了目标自动初始化问题。(5)在OpenCV框架上,设计并完成了一个实验性的视频目标跟踪软件系统,采用模块化实现,由目标检测、团块检测、团块跟踪、轨迹处理和轨迹生成等模块组成,进行了实验验证,取得了良好的实验结果。该系统为以后研究工作的实验测试提供了便利。本文的分别研究了静止和运动摄像头场景下的视频目标跟踪,视频目标跟踪方面主要研究的是单目标跟踪和部分遮挡处理,实验结果表明本文采用的算法实时性好,抗干扰能力强,能在较为复杂的背景下工作。