多目标跟踪中特征选择是跟踪稳定性的重要因素,是特征跟踪研究的热点问题。本文提出了采用动态特征和静态特征结合方式,分别获取运动目标的动态光流特征和静态局部边缘内侧灰度(gray)和梯度方向特征(edge),并选用柔性分块方式建立目标的特征模型。实现了基于动静态特征结合的运动目标跟踪算法研究。本文要点如下:(1)采用混合高斯模型(GMM)获取运动区域,结合形态学操作对检测区域进行处理,得到完整的检测目标。(2)研究了Lucas-Kanade光流,采用正-反向光流最近邻算法,在此基础上提出了Sobel边缘正-反向误差匹配方法,并结合运动方向一致性建立运动目标的动态特征模型。(3)将柔性分块方式和一阶边缘梯度方向、零阶沿梯度方向内侧灰度特征(G&E)绑定,建立运动目标的静态特征模型。(4)提出了动态特征与静态特征结合的特征匹配模型。将动态特征匹配的子块作为有效子块,有效子块内的静态特征为目标最终匹配特征,建立动静态结合的特征模型。(5)基于特征模型,建立多目标跟踪管理方案和在有遮挡情况跟踪定位匹配机制,实现多目标运动跟踪。采用单一的静态特征或动态信息对目标跟踪不稳定。本文结合对跟踪现状的研究,提出动静态特征相结合的特征模型,建立多目标跟踪算法框架实现了跟踪,并用PETS数据和自采数据进行了测试,结果显示:本文算法在运动目标发生遮挡情况下跟踪具有可行性。