基于PTZ摄像机的运动目标跟踪(又称为主动目标跟踪)是指：在一个序列图像的每幅图像中找到所感兴趣的目标所处的位置,并根据控制策略实时控制PTZ摄像机转动或缩放,使目标永远处于视野的中心区域,并且可以看到目标的局部细节。主动目标跟踪是计算机视觉研究的核心内容,在军事视觉制导、机器人视觉导航、交通监视等领域有着重要的实用价值和广阔的发展前景。由于外界光照变化、跟踪目标的形变、目标被遮挡和PTZ摄像机的控制等因素,使得基于PTZ摄像机的目标跟踪成为一个极富挑战性的课题。本文首先分析了目前常用于PTZ跟踪的两种方法：Mean Shift和粒子滤波,主要介绍了它们在跟踪中的应用和各自的优缺点。然后针对目前常用的PTZ跟踪方法只考虑了目标本身,而忽略了目标周围的背景信息,引入了在线学习的跟踪方法,重点介绍了基于在线AdaBoost分类器的跟踪方法原理。由于更新AdaBoost分类器需要很长时间,然而跟踪过程中必须要求实时性,所以本文把已成功应用于实时车载识别的一种在线更新AdaBoost分类器的方法用于跟踪中。实验验证了该算法的有效性并且跟踪效果要好于Mean Shift跟踪方法。但是,基于在线AdaBoost分类器的跟踪方法会导致误差的积累和分类器精度的下降,从而产生跟踪框的漂移。针对这一问题,本文讨论了另外一种分类器—MILBoost分类器,并在此基础上提出了基于在线MILBoost分类器的粒子滤波方法。最后实验表明,此方法优于基于AdaBoost分类器的跟踪方法,同时也将此方法和基于颜色和梯度的粒子滤波算法进行了比较,跟踪结果也显示了本文提出的方法效果更好。本文构建了基于PTZ摄像机的跟踪控制系统。首先分析了PTZ摄像机控制协议,根据PTZ跟踪控制的任务和困难,制定了模糊控制策略。然后把基于在线MILBoost的粒子滤波方法用于此系统中,最后用实验验证了系统的有效性。