在进行动态物体融合时常常面临跟踪问题,传统增强现实中的摄像机定标、三维重建等技术在解决这一问题时往往计算成本过高,且计算所需的真世界信息也很难满足。视觉领域的目标跟踪技术是一个能解决这类问题的方法,其计算成本较低,所需的计算条件也容易满足。通过对动态目标的在线跟踪,用户可以确定目标的位置,对虚拟物体的行为进行指导,并为虚拟物体与动态目标进行交互提供条件。例如虚拟人对经过的行人和车辆的避让,虚拟人对所在合理区域的判断等。目标跟踪本身是一个极具挑战性的问题,其困难来源于三维世界到二维图像投影时的信息丢失、目标外观纹理和几何的变化、目标局部或全局的遮挡、噪声干扰以及计算效率的要求等。鲁棒的跟踪要求跟踪系统能够较长时间、稳定的、在线的跟踪视频序列中的目标对象。随着目标跟踪理论和技术的不断发展,其过程已经逐渐演化为状态空间上的贝叶斯问题。完整的目标跟踪系统主要分为两个部分,运动模型和观测模型。目前大多数跟踪算法的运动模型采用的是仿射空间上的粒子滤波。这种方法仅在二维空间描述物体的运动,无法匹配目标在三维世界的运动规律,对于目标旋转、相机焦距变化带来的视差不能很好描述,因此粒子分部无法均匀匹配目标潜在运动区域。为描述目标在三维世界的运动状态,需要建立三维世界到二维投影之间的映射关系。图像序列中运动刚体外观轨迹的子空间理论能够很好的建立这种映射关系,并提供目标在三维世界中的粒子滤波空间。子空间理论中,目标外观的完整轨迹矩阵位于一个有确定的最大维度且维度较低的子空间上。基于子空间理论的运动模型在时间片段内记录物体外观特征的运动轨迹,对轨迹矩阵进行分解,并在只与相机参数相关的矩阵上进行粒子滤波。这一运动模型能更好的描述目标在三维空间中的运动,更符合目标的实际运动规律,滤波时粒子的分部也更能与目标的潜在区域匹配,即粒子分部更均匀。同时,基于子空间运动模型,我们可以进一步构建完整的跟踪过程。通过在目标矩形模板区域内选取特征点,可以构建对目标的外观描述。这种描述方法计算方便,提取目标的关键特征,并在构建特征轨迹的过程中避免背景像素对跟踪过程的影响。在目标匹配时,使用NCC和FB误差来计算粒子与目标的距离,选取误差较小的粒子进行加权作为跟踪的结果。在对跟踪结果进行进一步计算确定目标矩形模板的位置后,跟踪算法即可在线继续进行。通过对六组公认具有挑战性的视频序列进行跟踪,并与目前流行的几种目标跟踪算法在相同序列上的跟踪结果进行比较,我们可以发现基于子空间运动模型的目标跟踪算法结果更加稳定。