目标跟踪作为计算机视觉和模式识别的主要研究方向之一,近年来得到迅速的发展。其在视频监控、人机交互、医疗诊断、气象分析,安全监测以及导弹制导等诸多领域都有着广泛的需求和应用。计算机视觉领域的目标跟踪技术主要目的是在视频或者图像帧序列中找到感兴趣的区域,而分割技术也可以实现对感兴趣目标区域的划分。因此,鉴于目标跟踪技术和图像分割技术之间的相关性,将分割技术与目标跟踪技术结合的思路得到了诸多学者的广泛关注和研究。在图像分割领域中,水平集分割方法迅速发展并得到了广泛应用。因此,本文的主要研究方向是如何将水平集分割方法应用到目标跟踪技术领域。根据目前的研究现状,本文将基于水平集方法的目标跟踪算法研究大体分为两思路,一种思路是跟踪分割分步完成跟踪,一种是跟踪分割融合完成跟踪。前者跟踪模块与分割模块相对独立,目标跟踪模块主要来确定候选目标区域,分割模块对候选目标区域进行分割,利用分割得到的目标轮廓改善跟踪模块的跟踪过程,从而将水平集分割与跟踪算法相结合实现跟踪;后者则是将目标跟踪融入水平集分割演化框架,通过在分割演化框架中加入描述目标的约束项,使得可以直接通过分割处理的方式直接获得目标的跟踪结果。本文首先介绍了水平集分割方法的概念及相关理论基础,同时梳理和总结了基于水平集方法的目标跟踪算法的主要思路;然后,详细介绍了粒子滤波的相关理论基础,在前人工作基础上提出了一种基于形状约束粒子滤波的水平集目标跟踪算法。该方法根据水平集方法分割得到的目标形状来优化颜色直方图的描述并构建形状相似度,从而改善粒子滤波权重的定义,使得跟踪结果更加准确。与传统粒子滤波方法以及基于粒子滤波的水平集目标跟踪算法的对比实验结果表明:本文提出的基于形状约束粒子滤波的水平集目标跟踪算法具有更好的跟踪效果;最后,详细介绍了高斯混合模型的相关理论基础及基于高斯混合模型的水平集目标跟踪算法,在其基础上提出了一种改进的基于高斯混合模型的水平集目标跟踪算法,该方法通过改善水平集分割框架中的内部约束项,加快了水平集演化效率,并且可以更准确的分割结果,从而有效地改善了最后的得到的跟踪结果。与他人所提出的基于高斯混合模型的水平集目标跟踪算法的对比实验结果表明,本文提出的改进的方法相比较于改进前的算法有着更好的跟踪效果。