基于计算机视觉的目标跟踪是计算机视觉领域的一个热点问题，在军事制导、智能视频监控、机器人视觉导航、人机交互、以及医疗诊断等许多方面有着广泛的应用前景。本文以智能视频监控为应用背景，主要研究了视频中单个人体以及多个人体的跟踪技术。 在单个人体跟踪中，本文将均值漂移算法嵌入到粒子滤波的跟踪框架中，将颜色分布作为观测，并将HSV颜色空间根据人类的颜色感知差异，对各个分量进行非等间隔量化，然后利用基于核函数的直方图进行建模。该算法克服了粒子滤波计算量较大的缺点，同时也克服了均值漂移算法容易陷入局部最大且无法恢复的缺点。实验结果表明,本方法具有较强的实时性和鲁棒性。 在多个人体跟踪中，针对目标在观测场景中出现和消失问题，研究了一种基于粒子滤波的概率假设密度跟踪算法。根据人体非刚性的特性将颜色直方图作为观测，并在概率假设密度的粒子滤波实现的算法框架中加入了数据关联的思想，将峰值与跟踪目标进行关联，判断目标在场景中的出现和消失情况。该算法不仅能有效处理跟踪期间目标数的变化情况，同时还可以获得每个目标的运动状态，克服了当前多目标跟踪算法只能处理目标数不变时的情况，或能处理目标数变化，但只能估计多个目标的全局运动状态，而无法得知单个目标的运动状态的问题。该算法为目标数可变情况下的多目标跟踪提供了一种较有效的方法。由于智能视频监控系统在军事上和民用上的紧急需求，一直是最近几年的研究热点。在安全和法律方面，智能视频监控系统对从监控摄像机传来的监控场景的视频信息进行处理，对场景中可疑的人和事件进行报警，从而阻止犯罪、灾难性事件的发生，以保障人民群众的生命和财产安全;在交通应用上，智能视频监控系统监测交通流量，检测高速公路上的交通事故;在商业活动中，智能视频监控系统统计各购物场所和娱乐场所消费者人数，监视公众场合中行人的阻塞情况和拥挤程度，以免发生踩踏事件;在军事上的应用包括监控国境线，测量冲突地区的难民流入流量，监视和平谈判和军事基地。 在视频监控的场景中，人是活动主体，所以监控系统必须能实时地检测和跟踪人的运动，在出现人和人遮挡，人和环境遮挡，光照变化，非刚体轮廓变形也能正常工作。人体跟踪是智能视频监控系统后续处理的基础，它的质量直接影响到后续的目标识别、姿态估计、运动分析和行为理解等等。 本文的主要研究内容首先是本文用于跟踪的滤波理论的研究，然后研究并实现了视频中单个人体的以及多个人体的实时有效跟踪。 在滤波理论的研究中，主要研究了本文跟踪所涉及的相关滤波理论的原理以及算法等，其中包括贝叶斯滤波、卡尔曼滤波、粒子滤波以及概率假设密度滤波，本文根据各个滤波的特点以及适用情况，选择粒子滤波作为单目标跟踪的主要跟踪算法，将概率假设密度滤波作为多目标跟踪的主要算法，并用粒子滤波将其实现。 在单个人体跟踪中，关键在于两个模型的建立，即目标的观测模型以及目标的运动模型。建立目标的观测模型时，考虑到人体是一个非刚性的物体，在跟踪的过程中，人体会发生形变以及产生旋转等，而目标的颜色随着形变以及旋转等变化较小，具有较强的鲁棒性，因而选取人体的颜色分布作为观测。并将HSV颜色空间根据人类的颜色感知差异，对各个分量进行非等间隔量化，使得亮度变化产生的影响降低到最小，同时为了加入空间信息增强颜色直方图的鲁棒性，本文引入了Epanechnikov核函数进行直方图建模，同时引入巴查利亚系数衡量目标直方图和候选直方图的距离，而在寻找最佳候选直方图时，我们利用均值漂移算法进行迭代，加快了寻找的效率，增强了算法的实时性。在建立目标的运动模型时，考虑到人体行走一般处于匀速状态，我们采用了匀速运动模型。该算法克服了粒子滤波计算量较大的缺点，同时也克服了均值漂移算法容易陷入局部最大且无法恢复的缺点。实验证明，该算法在目标人体出现形变、短暂消失、遮挡等都能取得良好的跟踪效果，具有较强的实时性和鲁棒性。 在多个人体跟踪中，我们研究了一种基于粒子滤波的概率假设密度跟踪算法，该算法将目标的状态通过随机集合的形式加以描述，然后在贝叶斯框架下，利用粒子滤波算法，即一组带权值的粒子逼近目标的概率假设密度(Probability Hypothesis Density),PHD即目标状态后验密度的一阶矩，实现对目标状态和目标数的估计。而由于在视频中对人体跟踪时需得知各个人体所对应的运动航迹，因而本文将颜色直方图作为观测，在概率假设密度的粒子滤波实现的算法框架中加入了数据关联的思想，将估计值与跟踪目标进行关联，得到各个目标人体的运动航迹，判断目标在场景中的出现和消失情况。该算法不仅能有效处理跟踪期间目标数的变化情况，同时还可以获得每个目标的运动状态，克服了当前多目标跟踪算法只能处理目标数不变时的情况，或能处理目标数变化，但只能估计多个目标的全局运动状态，而无法得知单个目标的运动状态的问题。该算法为目标数可变情况下的多目标跟踪提供了一种较有效的方法。