所谓的视频中运动目标的跟踪技术,是将计算机领域中的核心计算应用于视频智能分析、检索上,在智能视频监控、精确制导等领域中有广泛的应用。然而,复杂的背景条件对视频中目标的跟踪往往会变得困难,因此,视频目标跟踪在实际应用和理论中存在着许多亟待解决的问题。比如在实际应用中,目标旋转及伸缩、动态背景、视频亮度变化、被遮挡等因素都会严重影响目标跟踪的效果。因此,研究该类问题对促进目标跟踪技术发展有极大帮助。本文通过研究压缩跟踪算法以及经典的灰度模板匹配跟踪算法,对蚁群优化算法进行优化,从而提高跟踪鲁棒性,降低时间复杂度,对复杂背景下目标的跟踪方法进行了研究,主要工作有以下几个方面:(1)针对复杂背景下的视频跟踪问题,基于压缩感知理论的跟踪算法跟踪效率不高和难以抗遮挡问题,提出一种基于蚁群优化的压缩跟踪算法。将蚁群优化算法结合到压缩跟踪算法中,提出了以蚁群优化的搜索方法替代候选目标时,采用每隔一个像素选取一个候选目标的搜索策略,在目标发生遮挡时,采用蚁群优化的方法进行整幅图全局搜索。通过对20个视频序列数据库的分析表明,算法的运行效率与准确率被极大的提高,并拥有较强的抗遮挡和形变能力,有效提高了跟踪成功率,实现了高效的视频目标跟踪。(2)针对基于模版匹配的跟踪算法成功率较低、运行速度较慢等问题,提出一种基于蚁群优化的模版匹配跟踪算法。该算法采用蚁群优化搜索作为搜索策略,可实现自适应更新目标模版。首先在设定范围内随机采集多个模版并计算出个体最优样本和全局最优样本,然后根据蚁群优化搜索进行迭代求出最佳模版,最后更新目标模版。经理论分析和实验,基于蚁群优化的模版匹配跟踪算法极大减少了跟踪算法计算量,提高了跟踪算法的实时性与成功率。