在现代化工业中,常常因为工业设备零件的缺陷原因导致运行故障发生甚至造成更惨重的后果,因此,对于工业设备零件的无损检测显得尤为重要。我国无损检测目前主要依赖于检测人员的多年检测经验来判断零件的缺陷,导致检测主观性大,检测准确度无法得到保证。本文在对目标跟踪技术充分研究的基础上,选用多目标跟踪算法应用于对超声检测图像的缺陷跟踪中,对提高超声检测自动化程度,检测效率以及减少超声检测过程中的主观成分,提高检测准确度有着重要的实际意义。本文主要对目标跟踪算法进行研究并针对其缺点作出改进,最终选取最适合的目标跟踪算法应用于无损检测中,具体工作内容如下:(1)针对时空上下文跟踪算法不能自动检测跟踪目标位置和大小的缺点,本文在时空上下文跟踪算法的基础上,研究了一种基于帧间差分与时空上下文自动检测跟踪算法,该算法将帧间差分法检测到的前景目标信息以及目标的轮廓传送给STC跟踪器,以便于对下一帧目标进行跟踪。对比实验结果表明,改进算法可以实现对运动目标的自动检测和跟踪,并且提高了跟踪准确度。(2)针对压缩感知跟踪算法在目标移动过快时易丢失跟踪目标和跟踪准确度不高的缺点,本文在压缩感知跟踪算法的框架下,做了两点改进:首先引入加权函数,辅助判断目标正负样本,及时剔除不可靠样本,解决复杂背景环境下压缩感知跟踪算法准确度不高的问题;其次,当运动目标移动过快时,用卡尔曼滤波算法预测目标当前帧所在的位置,解决目标运动过快导致目标跟丢的问题。对比实验结果表明,改进后算法能够在复杂的背景环境下对运动目标进行稳定跟踪,并且不会出现跟丢目标的情况。最后将改进前后的算法跟踪超声检测图像,证明了目标跟踪技术可以有效应用于超声检测图像中。(3)针对实际无损检测工作中,零件在同一截面处往往不止存在一个缺陷,单目标跟踪算法难以满足实际工作要求的问题,因此本文着重研究了基于背景目标的卡尔曼多目标跟踪算法,并将该算法应用于对超声检测图像的跟踪,通过大量的实验,证明了该算法能够实现自动检测和跟踪超声图像中多个缺陷目标,给后续对零件缺陷中心位置三维重建提供了可靠保证,为实现无损检测工作的自动化奠定了基础。(4)本文将上述多目标跟踪算法应用于项目组前期建立的超声无损检测实验系统中,对超声图像中的缺陷目标进行自动检测和跟踪。该实验系统能够自动对零件缺陷进行探伤,然后对采集的超声图像中的缺陷目标进行自动检测和跟踪,最后对零件缺陷中心位置进行三维重建。实验结果表明,三维重建的点平均误差为1.0307mm,单个缺陷目标的最大平均误差为1.3186mm,拟合直线平均角度偏差不超过4.6158°,通过三维重建的点误差和线误差的分析验证了多目标跟踪算法的有效性,多目标跟踪算法的应用提高了无损检测的自动化程度。