目标跟踪技术是计算机视觉领域的一个研究热点,在很多领域有非常广泛的应用,例如军事、智能监控系统、智能人机交互系统、运动分析、交通检测、智能摄像头等等。但是在近岸海域环境下的船只跟踪还是一个比较新的课题,本课题首先充分考虑近岸海域的特殊环境状况,根据可能会出现的光照变化、遮挡、有目标干扰等多种复杂情况,对现有的多种目标跟踪算法,从准确性、实时性、鲁棒性三个方面,研究其对于近岸海域船只跟踪的适应性。并力求在准确性、实时性、鲁棒性三者之间追求一个平衡状态,即在提高系统准确性和鲁棒性的同时,尽可能保证系统的实时性的要求。然后,在充分分析实际应用环境和已有算法的基础上,提出了基于CamShift算法和Kalman滤波器融合的跟踪算法。CamShift算法利用区域内的颜色信息对目标进行跟踪,具备良好的实时性,但是没有充分利用目标的宏观运动信息,也即没有利用目标在空间中的运动方向和运动速度信息,在光照变化、有遮挡、有目标干扰等三种情况下,可能出现跟踪错误。基于以上原因,本课题提出了基于CamShift算法和Kalman滤波器融合的跟踪算法,Kalman滤波器能够较为精确的对目标的运动位置、速度和加速度做出预测。将CamShift算法和Kalman滤波器相结合,对目标受到的干扰进行检测,根据目标受到干扰的强弱,使用不同的比例因子将Kalman预测结果与CamShift算法得到的跟踪结果进行线性加权,得到目标的位置。干扰较弱的情况下CamShift算法的跟踪结果占较大比重,强干扰情况下增大Kalman滤波预测结果的比重,从而保证了跟踪效果的稳定性。最后,实现了基于CamShift和Kalman融合的跟踪算法,并将其与CamShift算法进行了比照试验,通过对试验数据的分析,验证了本算法在准确性和鲁棒性方面具有比较明显的优势,同时实时性仍然可以满足系统的需求。