随着计算机技术和数字信号处理理论的发展,运动目标跟踪技术已经成为图像处理、计算机视觉以及安防监控等领域的重要研究课题。应用图像处理技术对视觉运动目标进行跟踪,在军事、工业、安防监控、智能交通等领域都具有重要的意义。目前大多数运动目标跟踪方法以对灰度级图像进行处理为主,灰度图像处理对光照变化、目标遮挡等问题非常敏感,给目标的准确跟踪带来一定困难。彩色图像相比灰度图像,携带了更多的可视化信息,信息层次更加丰富。基于彩色视频图像的目标跟踪,能进一步丰富跟踪的内容,提高跟踪系统的鲁棒性和准确性。近年来,随着彩色图像应用领域的不断扩大,吸引着大量研究学者对彩色图像处理展开更为深入的研究。本文在这一背景下开展对基于彩色视频图像的目标跟踪系统的研究,主要工作和创新点如下：1.对彩色视频图像的目标跟踪相关理论和关键技术进行了探索和研究。在总结和分析现有彩色视频图像处理技术的基础上,结合彩色运动目标检测、彩色目标分割以及彩色目标跟踪三大模块,搭建完整的基于彩色视频图像的目标跟踪系统并开展了相关实验,以解决彩色目标跟踪系统中所存在的跟踪效率较低以及鲁棒性差的问题。2.在彩色运动目标检测方面,为了充分利用图像的彩色信息,避免传统基于单色或灰度空间的目标检测算法中对光照变化过于敏感,以及彩色信息的遗失问题,提出了一种基于背景减除与帧差法相融合的彩色目标自动检测算法。该方法直接在彩色空间对图像进行处理,能有效保存目标的色彩信息,提高目标检测的准确性和鲁棒性,为后续的目标分割和目标跟踪提供良好的目标检测结果。3.在彩色目标分割方面,针对彩色图像阈值分割问题,提出了一种基于自适应阈值的彩色目标分割算法。该方法通过分析目标区域彩色直方图来确定自适应阈值对图像进行分割,并结合边界链码和旋转搜索技术进行局域搜索分割,解决了目标分割中阈值难确定的问题,弥补了背景复杂情况下传统固定阈值的目标像素漏检和误检问题。4.在彩色运动目标跟踪研究方面,重点研究了贝叶斯滤波在目标跟踪中的应用。为克服卡尔曼滤波在非高斯和非线性情况下的误跟踪以及粒子滤波跟踪时计算量较大的问题,提出了一种基于卡尔曼滤波与粒子滤波结合的彩色目标快速跟踪算法(Color Target Tracking Based on Kalman Filter and Particle Filter: KPF-CTT)。该方法采用一种自适应的跟踪策略,利用跟踪结果与目标模板的直方图距离比对结果,在卡尔曼滤波和粒子滤波跟踪方法间进行切换。通过自适应跟踪策略相比于单独使用卡尔曼滤波跟踪,提高了跟踪准确性,同时相比于单独使用粒子滤波,减少了跟踪时间,提高跟踪的实时性。同时提出了一种基于背景减除的卡尔曼滤波跟踪方法,来提高卡尔曼跟踪的鲁棒性。并运用目标色彩特征对目标进行粒子滤波跟踪,建立基于关键区域的加权颜色直方图作为目标更新模型,使粒子滤波的样本更新过程更合理。