人体视频跟踪是近年来计算机视觉的一个重要研究方向,它结合了计算机视觉,人工智能,模式识别等多项技术。在安防监控、可疑人员行为判断等方面有重要应用价值,对维护国家及公共安全具有现实意义。目前投入市场的产品大都基于高速球型摄像机对视场内发生的情况进行实时监测,对人的依赖程度大,而且仅限于自动跟踪进入摄像机视场的首个目标,不能跟踪指定目标。设计中需要同时兼顾跟踪算法的实时性与精确性,准确提取目标有效特征,使系统可以适应环境的变化全天候工作,这些都是课题设计难点,本文针对前两方面展开研究,具体内容如下:1、本文首先搭建了人体跟踪系统的硬件平台,提出了系统的实施方案,对于单目标跟踪及多目标情况下跟踪指定目标分别采取不同的策略。2、针对单目标跟踪,采用帧差法检测目标,用目标区域内的角点作为目标特征,用基于特征的光流跟踪法实现单目标跟踪。3针对多目标情况下跟踪指定目标,由用户指定兴趣目标,以竖直椭圆近似模拟人体头部轮廓,提取椭圆轮廓梯度特征和椭圆内部颜色信息特征,并对每种特征给出了评价方法及与目标模板比对的量测算法,最终采用基于颜色特征与粒子滤波预测算法实现跟踪。4、在粒子滤波算法中,以粒子在图像中的位置和运动速度作为状态向量并建立系统模型,该模型中引入了速度因子,获得了更好的跟踪效果。选择目标椭圆区域内部颜色特征作为观测模型,使用巴氏距离作为描述粒子与目标模板相似性的量测标准,为粒子权重更新提供了依据。本文提出了一种基于剩余粒子权重大小再次分配权重的重采样策略,实验证明该策略可提高跟踪结果的精度。5、得到目标在当前帧的位置后,控制高速球转动,保持目标在视场中心。6、通过大量的验证性实验和对比实验,为跟踪算法设计提供了事实依据,保证了算法的可行性及鲁棒性,验证了算法的精确性和实时性。实验证明本文设计的运动人体跟踪系统可以在一般环境中,当目标移动、旋转、被遮挡时,满足跟踪要求,取得了预期的效果。