运动目标的跟踪与识别作为计算机视觉的一个核心研究课题,相关算法如雨后春笋般出现。跟踪的目标及场景的差异,导致跟踪算法的选择也不尽相同的,这就需要在算法设计阶段能够考虑到跟踪目标的多种可能性与场景的各种特性,本文从目标跟踪、模板更新和遮挡处理方面对不同的算法进行了分析与比较。遮挡是目标跟踪领域一个棘手的问题,如何处理好遮挡是衡量跟踪算法鲁棒性高低的关键,本文着重分析了此问题,并在第四章中提出了一种基于分片跟踪下的遮挡处理算法。本算法在目标发生部分遮挡或者形变后,通过剩余有效片的强度信息,继续对目标实现可靠跟踪,并结合卡尔曼滤波有效的处理跟踪过程中的遮挡。算法采用分片的思想,利用Bhattacharyya系数作为候选目标片与相应模板片的相似性度量,有效的跟踪目标,采用H分量的反向投影的方法辨别遮挡和形变,根据遮挡的不同类型,做相应的处理,实现对目标的鲁棒性跟踪。本实验就遮挡提出了关联性遮挡和非关联性遮挡的概念,针对不同遮挡情况的处理,提高了跟踪的鲁棒性。通过分片跟踪方式,并考虑目标物与遮挡物之间的关联性,跟踪效率明显提高。