近些年来,基于视觉的目标跟踪技术得到快速发展和广泛应用。尽管该领域已经取得大量的研究成果,但仍然面临着许多的挑战:比如,目标没有纹理信息、目标不好跟踪、目标没有特征、目标被部分或者严重遮挡、目标不在跟踪视野范围之内、场景光照条件的变化、实时性要求等,都增加了目标跟踪的难度。基于此,本文主要针对目标被严重遮挡、目标不在视野范围之内、目标过大不好跟踪、目标没有特征等情况,提出了一种基于多标识跟踪的方法,在目标及目标周围贴上标识,把对目标的跟踪转换为对周围标识的跟踪方法。通过摄像机扫射目标周围标识的方法,来解决不好跟踪目标的问题。本文在对前人工作进行总结与分析的基础之上,提出了一种基于多标识目标跟踪算法,主要研究内容如下:(1)对基于多标识目标跟踪算法的国内外最新研究成果进行了整理与总结,并对这一领域的技术发展进行了全面综述。在介绍该类算法原理的基础之上,重点研究了基于标识的定位跟踪算法,深入介绍了ARToolkit、ARToolkit Plus、ARTag、April Tag等不同种类的标识,并对不同种类的标识进行了讨论,在标识存在遮挡和无遮挡情况下的跟踪效果进行了比较。综合比较,April Tag在检测率和准确性方面都优于其它几种类型的标识。(2)深入介绍了本文所选标识的主要关键技术,标识的编码原理与解码原理,并对标识的检测算法进行了改进,在原标识检测的算法中使用了局部二值法中的Sauvola算法,因为Sauvola算法对模板窗口大小的选择很严格,对噪声抑制的效果不理想,标识细节信息会丢失。因此,本文选取Canny算子通过非极大值抑制方法来改进了图像检测结果,以尽可能的减少噪声的检出。(3)本文标识定位的方法是基于摄像机坐标系来进行定位的,由于标识使用的Pn P(Perspective-n-Point)算法的限制,当相机与目标距离增大会导致相机定位误差变大。本文通过加入摄像机先验位姿的方法来解决这一问题。(4)在基于标识的跟踪算法进行深入研究的基础之上,提出了一种基于邻近多标识置信度评估的视觉跟踪与定位的方法。主要创新点是把对目标的跟踪转换为对目标周围标识跟踪的一种方法。在跟踪过程中,通过检测提取邻近标识特征,然后结合每个标识的汉明距离和相对其它标识的归一化结果,以及每个标识的发生概率,得到每个标识最终置信度,然后选择置信度最大的邻近标识来确定要跟踪的目标位置。为了避免邻近标识不在视野范围之内或者其它原因跟踪失败,因此采用多个标识共同跟踪的方法。为此对多个标识分组,通过对多个邻近标识的跟踪以及置信度的评估来确定最终的目标位置。