安全永远是人们关心的重中之重。为了利用科技手段改进传统视觉监控系统,本文提出了基于云台相机的行人跟踪抓拍系统。该系统的工作过程为:由跟踪模块计算出目标所处的位置和大小,再由控制模块驱动云台转动和缩放,保证目标始终位于相机画面的中心,并捕获高分辨率的图像。为了满足行人跟踪系统要求的鲁棒性、适应性和实时性,本文改进了基于在线学习的Struck跟踪算法。在特征提取环节,针对单类Haar特征不具备光照不变性的缺点,将其与灰度特征Raw特征融合,同时改进了Raw特征的运算速度,融合后的特征相比颜色直方图特征和单类Haar特征能够在光线条件变化或前背景颜色相近的情况下实现更好的跟踪效果。结合粒子滤波的思想,本文在运动估计环节提出一种新的搜索方法,代替原始Struck算法的滑窗法,靠众多粒子综合决定目标的位置和大小,克服了原始算法无法适应目标尺度变化的缺点,能够更好地应用于行人姿态变化或相机旋转缩放的跟踪场景中。最后通过多个实验结果证明,本文提出算法的跟踪成功率和中心位置误差等指标优于原始Struck算法和传统跟踪算法,同时性能上也能够满足行人跟踪系统的实时性需要。对相机镜头进行标定,构建了基于云台相机的行人跟踪抓拍系统。在设计控制算法时,将其分解为三个部分:初始化部分、Pan/Tilt控制部分、Zoom控制部分,并逐一设计了控制策略。在搭建系统时将本文提出的跟踪算法与控制算法结合,在实验中验证了本文系统能够实现行人目标的有效跟踪。