目标跟踪技术作为计算机视觉领域的一个重要分支,是目标行为分析、视频图像的压缩编码等高层次的视频处理和应用理解的基础,也是视频监控技术自动化和实时应用的关键,在军事和民用等许多领域得到了广泛的应用。本文深入地分析了跟踪领域的研究现状和所面临的难点,并针对目标跟踪领域光照变化、遮挡等难题,在深入研究各种经典跟踪算法的基础上选取其中两种算法进行改进,取得了比较好的跟踪效果。本文的主要研究内容概括如下:1)本文介绍了目标跟踪技术的国内外研究现状,系统地分析了目标跟踪技术中各种经典算法的优缺点。在此基础上选择基于协方差矩阵的跟踪算法和基于SURF匹配的目标跟踪算法作为研究的重点。2)协方差矩阵是一种新的目标表示方式,它能够方便有效地融合目标的各种特征。为了提高协方差矩阵的可分辨性,本文将分块思想引入到目标的协方差矩阵表示中,并借鉴SURF特征描述,改进了特征矢量的表示形式。同时为了增强跟踪算法在部分遮挡情况下的鲁棒性,还增加了目标的子区域协方差矩阵表示。实验表明,基于本文改进协方差矩阵的跟踪算法在光照变化等复杂背景下能够取得更加稳定的跟踪效果。3)针对基于SURF匹配的跟踪算法中常见的一些问题,采取了一些相应的改善措施:首先,为增强匹配点的准确性和稳定性,本文依据特定于跟踪领域的一些约束条件采用了几种简单的剔除SURF误匹配的方法,接着改进了基于SURF匹配的目标定位算法,使之能够适应SURF匹配点数目较少的情况,最后,为了适应目标变化、同时避免跟踪漂移现象的发生,本文改进了SURF模板更新方法。4)为增强跟踪算法在遮挡情况下的鲁棒性,本文融合了以上两种跟踪算法。融合后的跟踪算法充分利用了两种跟踪算法的优点:基于协方差矩阵跟踪算法在未发生遮挡时的准确性以及基于SURF匹配的在遮挡情况下的优越性。该算法的跟踪策略是首先根据检测到的SURF匹配点的情况来判断目标所处状态——确定目标是否被严重遮挡,然后根据目标所处的状态选取不同的跟踪措施以达到鲁棒跟踪的目的。