视频运动目标跟踪技术，作为计算机视觉研究领域的核心课题之一，融合了图像处理、模式识别、人工智能、自动控制以及计算机等若干领域的先进技术，并在军事制导、视频监控、机器人导航、人机交互等方面都有很广泛的应用。视频运动目标跟踪研究的目的是模拟人类视觉运动感知功能，赋予机器持续捕捉视频序列图像中运动目标的能力，为视频分析和理解提供重要的数据依据。　　鲁棒的目标跟踪算法主要包括高效有鉴别力的目标表征和有效的目标定位推断框架两部分内容。而高效有鉴别力的目标表征是进行有效目标观测的和定位的基础，因此本文的研究工作主要是研究目标本质特征，针对复杂场景中遮挡、相似目标干扰和目标外观变化等对目标的高效表征需求，提出了有效描述方法以及相应的算法，并通过仿真验证了，在多种复杂场景下，本文所提跟踪算法的有效性。具体的研究工作包括:　　第一，提出了基于目标区域分化的目标跟踪算法。从对目标进行结构分解，以各部分之间的几何关系确定目标状态的观点出发，设计跟踪算法。首先将目标区域的颜色空间进行非均匀量化，据此颜色信息对目标区域进行分割;然后根据相邻两帧颜色质心间的几何关系确定目标的尺度变化和旋转角度;最后根据尺度变换和旋转变换后各质心的平移量确定目标中心的平移量，从而实现目标精确定位。仿真结果表明本文提出的基于目标区域分化的跟踪算法，在处理部分遮挡、目标发生旋转运动和尺度变化问题时均有很好的效果。　　第二，提出基于颜色区域显著度的目标跟踪算法。模拟人类视觉注意机制，提出了颜色区域显著度的概念，基于此概念对目标按照颜色区域显著度分割，利用选取的目标高显著度颜色区域的质心点集合描述目标。分以下几步:首先利用相邻两帧质心点间距离与目标尺度间关系估算目标尺度，然后利用相邻两帧与对应质心点间的仿射变换关系建立二次规划模型，最后通过求解二次规划问题确定目标旋转角度和平移量，实现目标准确定位。仿真结果表明本文提出的基于目标区域分化的跟踪算法，在处理目标旋转和尺度变化时均有很好的效果。　　第三，给出一种基于CWF特征的目标跟踪算法。基于韦伯定律，将WLD特征由灰度空间推广到彩色空间，得到CWF特征。由于彩色空间比灰度空间包含更丰富的信息，因此CWF特征较WLD特征有更强的描述能力。CWF特征主要包括两部分内容:颜色差别激励和颜色边缘方向，其中颜色差别激励主要是模拟人类知觉模式通过分层量化对比度来实现。目标描述模型采用CWF直方图模式表示，并结合高效的Mean Shift算法实现跟踪。仿真结果表明，基于CWF特征的目标跟踪算法对于短时遮挡、光照变化和相似物干扰等复杂情况下的跟踪具有一定的鲁棒性。　　第四，提出了基于TOF特征的尺度自适应行人跟踪方法。考虑到图像中行人目标的边缘特点，即以短的和细碎的竖直边缘为主，本文将边缘方向特征和TED特征融合在一起进行编码，得到一种新的行人目标描述方法即TOF特征，并将其用于行人目标跟踪描述。为克服经典Mean Shift跟踪方法中尺度更新不足，本文根据人体目标的尺度与其边缘轮廓在水平方向上的距离正相关这一特点，提出基于边缘距离直方图的尺度更新策略。仿真结果表明本文提出的基于TOF特征的跟踪算法，在不同场景下均有较好的跟踪效果。　　第五，给出了一种基于多特征信息自适应融合的目标跟踪方法。对于复杂背景下的目标跟踪，利用目标的单一特征信息往往很难实现鲁棒的跟踪，因此本文提出一种新的多特征信息自适应融合跟踪算法。该算法利用颜色、纹理、边缘的融合信息描述目标的观测信息，提高了观测信息描述的鲁棒性;在跟踪期间，根据当前帧目标颜色、纹理、边缘信息的观测似然，同时利用贝叶斯推断方法在线调节下一帧观测信息中颜色、纹理、边缘信息的权重，实现了颜色、纹理、边缘信息的自适应加权;在设计目标跟踪算法时，将基于多特征信息自适应融合的观测模型结合到粒子滤波算法中。多组试验结果表明本文算法对于目标的任意平移、转动、遮挡、摄像机移动、以及相似物干扰等复杂情况，跟踪均具有较强的鲁棒性。为更复杂情况下的视频目标跟踪提供了一种非常有效的思路。