目标跟踪是计算机视觉的一个重要研究分支,然而在实际应用的复杂环境下,存在着诸如遮挡、光照变化、背景干扰等情况。为了解决上述问题,本文对目标跟踪中目标方位预测算法和孪生网络目标跟踪算法进行了研究和探索,并进行了改进和融合。本文主要研究工作和创新点如下:为了充分挖掘目标的运动信息并应用于目标跟踪算法中,本文提出了一种基于多渐消因子容积卡尔曼滤波的目标方位预测算法。首先针对目标运动随机的问题,本文利用“当前”统计模型对目标的运动状态建立非线性运动状态方程。其次为提高算法对目标运动状态突变的应对能力,本文通过在容积卡尔曼滤波中引入多渐消因子来对目标运动状态方程进行估计和更新。仿真结果证明,该方法可以有效地刻画目标的运动状态,为后续跟踪算法打下良好基础。针对孪生网络目标跟踪算法在背景干扰和遮挡时容易跟踪失败的问题,本文提出了一种基于目标方位预测的LP-SiamRPN目标跟踪算法。该方法在孪生候选区域生成网络的基础上引入目标方位预测算法对目标运动状态进行预测。算法首先根据目标运动信息建立采样区域,提高了搜索的精度和速度。其次,算法对偏离预测方位的高得分锚点框进行抑制,可以有效地消除相似目标的干扰。另外,当判断目标被遮挡时,通过目标方位预测算法进行跟踪并等待目标再次出现。本文在OTB2015数据集上测试了本文算法,通过定量分析和定性分析,将本文算法与最近具有代表性的算法进行对比。实验结果表明本文算法在精度、鲁棒性和实时性方面均取得不错的效果。