目标跟踪作为计算机视觉领域的重要组成部分,广泛被应用到交通管理,无人驾驶,人机交互等领域,在人工智能的方方面面扮演重要的角色。我国是一个海洋大国,随着人们对海洋开发的逐步加深,人工智能产品应用于海上,无人艇,海上交通,海上救援,越来越多的场合需要目标跟踪技术协助处理。然而,大多数的目标跟踪算法所研究的对象为陆地环境下的行人或者车辆,由于视频图像的复杂性,将这些算法应用到海洋环境时,会产生许多问题。因此,本文以GM-PHD算法为核心,结合海上目标特点和跟踪实验出现的问题,进行改进,提高海洋环境下的目标跟踪性能。主要分为三个部分:海浪尾浪识别与滤除,弱小目标跟踪性能改善,互遮挡目标识别与后处理,具体工作如下:(1)结合海洋环境及海上目标特点,搭建实验平台,分析经典目标跟踪算法对海上目标的跟踪效果,发现影响海上目标跟踪的主要因素。海浪尾浪噪声,以及海上弱小目标对跟踪效果产生较大影响。针对上述问题,结合现有方法进行改进。(2)针对海上场景中船舶目标数量未知的问题,以GM-PHD跟踪算法为核心,进行海上目标跟踪;针对海上目标易受海浪尾浪影响的问题,分析噪声在目标框和运动轨迹上表现出的和船舶目标的不同特征,采用时空关联方法进行识别与滤除;然后对场景中出现的目标进行标签定义,并根据海上目标特点改进运动模型。对改进后的跟踪算法在海洋数据集上进行实验分析,验证改进方法的可行性。(3)针对海上弱小目标跟踪精度差的问题,分析GM-PHD算法跟踪失败机制并且通过实验分析海上弱小目标特征匹配和模板匹配效果。采用改进的SATD模板匹配方法在海上弱小目标跟踪失败后重新检测,依据置信度管理匹配结果,结合运动估计矩阵缩小匹配区域,结合海上目标特点管理模板库。对改进后的SATD模板匹配算法进行实验分析,验证改进算法性能。(4)将改进的GM-PHD跟踪算法和改进的SATD模板匹配方法相结合,并根据海上互遮挡目标特点进行目标框近似处理。给出具体的算法流程,对改进算法在海洋数据集下进行跟踪实验,对比原有算法,验证改进算法性能。实验结果表明,改进算法对海洋环境下的目标跟踪效果良好,并且提高了对海上弱小目标的跟踪成功率,对比经典目标跟踪算法,对海上目标的跟踪性能有较大提升。