目标跟踪技术是计算机视觉领域研究中的核心问题之一,该技术在安防、智能交通、人机交互等各方面都有着广泛的应用,具有极大的研究价值和意义。目标跟踪是指通过计算机自动获取图像序列中的运动目标,并对目标进行连续定位的过程。但是由于图像从三维空间到二维平面投影过程中造成的信息丢失、图像本身存在的噪声、运动环境的复杂多变以及目标运动方式复杂多变等诸多因素的影响,使得目标跟踪技术的研究十分困难,特别是当目标之间发生遮挡时,由于信息丢失使得跟踪变得更为困难。为了解决多目标跟踪中目标交叉遮挡的问题,通过对常用特征和目标运动情况的分析,本文建立了基于G&E特征的分块模型,在模型的基础上,研究了多目标管理机制,建立了整体算法框架,实现了基于G&E特征局部分析的遮挡情况下的多目标跟踪。本文的主要工作点如下:(1)由混合高斯模型和阴影消除模型获取运动区域,基于单目标跟踪过程理解的基础上,建立适合遮挡情况下多目标跟踪的多目标管理方法。(2)对目标以及遮挡情况分析,选择合适的分块方式,提出了G&E特征,即强梯度带上的梯度方向(Edge)和沿该梯度方向向目标中心的内侧点灰度值(Gray)。建立了基于G&E特征的分块模型。(3)基于上述所建立的分块模型之上,对目标的大小以及G&E特征进行学习,结合多目标管理机制,建立了遮挡情况下多目标跟踪的算法框架,编程实现本文算法。本文算法针对目标跟踪中特征不稳定等问题,结合对问题的分析,提出了G&E特征,通过kalman预测对有效信息进行了筛选,建立相应的算法框架实现了跟踪,并用实际固定监控下的视频进行了测试,结果显示:本算法能够有效地解决目标交叉遮挡的情况。