目标跟踪算法是智能监控技术的核心内容,通过目标跟踪技术可以实现在视频序列中对目标的轨迹的跟踪,为基于视频监控的事件检测和行为分析技术提供重要信息。近年来,随着计算机技术的发展和目标跟踪算法研究的深入,由于传统单目标跟踪算法的局限性,基于全局关联的多目标跟踪算法逐渐成为研究的热点内容,该方法从全局考虑场景中所有目标轨迹数据的关联性,从而实现对目标的跟踪。目标跟踪技术已经广泛地应用于工业生产、公共场所及家庭安防、公共交通、公安系统以及军事领域,有着广阔的发展前景和迫切的市场需求。本文研究的内容为多目标跟踪算法,是视频智能监控技术研究领域的重点和难点。针对多目标跟踪算法的研究,本文基于对现有方法的学习研究,提出了一种改进的全局关联目标跟踪算法体系,该体系的关键部分主要有4个方面:运动目标检测、遮挡目标的优化跟踪、目标轨迹点完整性和准确性优化、全局关联的目标轨迹优化。全局关联目标跟踪算法体系首先通过运动目标检测算法得到视频中运动目标的二值图像;其次建立有效的数学模型对场景中所有运动目标进行跟踪,并对发生遮挡的目标进行判断和独立跟踪,得到初始跟踪结果;然后通过轨迹优化模型对视频序列中所有运动目标的轨迹点进行优化,保障轨迹点数据在时间上的完整性和准确性;最后,基于上述计算得到的运动目标轨迹数据进行全局关联的目标轨迹计算,得到目标的优化运动轨迹,从而实现目标的跟踪。总的来说,本文中的主要研究工作和创新性如下:1图像预处理技术的学习研究。本文中图像预处理的目的是为了得到稳定的运动目标检测图像,通过对相关文献资料的学习,主要对中值滤波、高斯滤波、形态学处理等图像去噪算法进行介绍。2运动目标检测。运动目标检测算法的有关研究已经取得了大量研究成果,本文中对帧差法、单高斯与混合高斯模型、ViBe算法等经典的运动目标检测方法进行了研究介绍,并结合帧差法的思想对ViBe算法的初始化方法进行了改进。基于改进的Vi Be算法可以有效的解决运动目标检测结果中的鬼影问题。3单目标跟踪算法研究。目标跟踪是本文研究的主要内容,本文中对Online-boosting、Mean Shift以及卡尔曼滤波与粒子滤波等经典的单目标跟踪算法进行了介绍,并在本文中定义了一种简单的目标相似度度量,通过目标的双向匹配实现对目标的跟踪与状态的判断,为后文中的全局跟踪方法研究奠定了基础。4多目标跟踪算法研究。多目标跟踪是本文中最重要的研究内容,基于运动目标检测与双向匹配的初始跟踪方法,本文中首先提出了一种基于目标尺度特征的跟踪优化模型,解决粘连、遮挡等问题,保证了目标跟踪数据的准确性和完整性。其次针对目标跟踪的轨迹连续性,提出了一种改进的目标关联轨迹优化模型,该模型有效的保证了目标跟踪的稳定性和全局连续性。最后,针对本文中的研究内容进行了总结并对多目标跟踪算法研究的未来发展进行了展望。