汽车作为现代社会重要的交通工具,给人们的生活带来了诸多便利,但是,频繁发生的交通事故也对人们的生命财产安全带来了前所未有的威胁,减少道路交通事故的发生,提高交通安全水平已经成为全社会的迫切要求。研究基于城区交通场景中运动目标视觉跟踪方法及其核心技术对于减少交通事故的发生具有重要的学术意义和社会价值。城区车辆目标跟踪是主动安全预警系统的重要组成部分,同时,运动目标跟踪又是计算机视觉研究领域的重要课题之一,本文以智能汽车主动安全预警系统为背景,以城区交通背景下的车辆目标为研究对象,对均值漂移和粒子滤波在目标跟踪中的应用进行了讨论和研究。第一,提出了一种均值漂移和卡尔曼滤波相结合的目标跟踪方法,同时,设计一种有效的目标遮挡因子,作为目标被遮挡程度的判断依据;第二,在基于核直方图的粒子滤波算法中,提出一种自适应的目标模板更新方法,有效提高了算法的实时性,同时避免了目标模型过度更新以及频繁更新。本论文主要研究内容概括如下:①讲述了我国目前的交通状况,对道路交通事故的主要原因做了概要论述。着重介绍了把计算机科学、机器视觉、图像工程、模式识别、人工智能等先进技术融为一体的计算机视觉技术对实现人类视觉系统功能的重要意义。分析了主要的目标跟踪方法以及目前所面临的技术难题。②分析了均值漂移难以有效地跟踪快速运动目标的主要缺陷,提出了结合均值漂移和卡尔曼滤波器的目标跟踪方法。该方法利用卡尔曼滤波器预测目标在当前时刻的起始位置,然后均值漂移在该位置的邻域内搜索目标的确切位置。同时,采用Bhattacharyya系数度量“目标模型”和“候选模型”相似程度,提出一种目标遮挡因子,作为目标被遮挡程度的判断根据,以城区交通环境下的车辆目标进行跟踪,实验结果表明该方法较原均值漂移方法可明显提高阻挡情况下的目标跟踪稳定性。③论述了基于核直方图的粒子滤波算法,分析了粒子滤波运用于目标跟踪相对均值漂移以及卡尔曼滤波算法的优越性,重点介绍粒子滤波算法的系统建模问题,其中包括动态模型和观察模型,提出了一种自适应的目标模板更新方法,介绍了核函数的选择、带宽的确定以及目标位置的确定,然后给出了本章的算法结构和流程图,最后通过实验对本章算法进行了验证,取得了很好的效果。最后,对全文的工作进行了总结,并提出将来工作中进一步研究的方向。