视频目标跟踪技术是计算机视觉领域中的热点话题,在军事制导、智能交通、安全监控、医学、气象等领域有着广阔的应用前景和经济价值。该技术通过分析在各帧图像中检测出的各个独立目标的外形特征与运动特征,确定目标的运动轨迹,实现对运动目标的行为理解及实时跟踪。多目标遮挡跟踪是视频跟踪中的难点问题,关键是建立准确的目标模型,通常基于颜色或边缘特征建立的目标模型易受衣着颜色及光照条件的影响在遮挡后跟踪正确率下降。通过光流法对连续视频的运动估计可以获得目标的运动参数(速度、方向、加速度)。论文中根据同一目标的光流场具有整体一致性,不同目标有不同的光流速度和方向特点,建立基于光流场的目标模型并跟踪。针对视频环境中行人遮挡而引起的目标跟踪错误的问题,本文提出基于光流法对交叉遮挡区域多行人跟踪进行研究,主要内容如下:1)根据Lucas-Kanade光流算法获取前景运动域像素点的光流方向和速度。2)基于运动域光流场建立单目标模型并跟踪。通过方向归并简化模型对光流方向进行归并,得到光流方向能量直方图,选取光流主方向范围内能量作为特征建立光流场目标模型,学习目标特征,采用Camshift算法跟踪流程实现目标跟踪。3)基于光流场目标跟踪模型的多目标跟踪。多目标在交叉遮挡时运动状态分为两种情况:①目标运动方向相差大,利用光流主方向作为约束,实时更新遮挡目标匹配条件;②目标运动方向相近,利用目标光流主方向和速度预测目标位置,通过结合两种情况实现多目标的跟踪。本文实现了多行人在交叉遮挡区域的跟踪,减小了行人衣着颜色和视频背景因素的影响。通过不同场景的实验结果分析可以看出本方法在多目标交叉重叠时的跟踪具有准确性和稳定性。