日常生活中遮挡现象的存在,使得遮挡问题成为计算机视觉领域的一个重要且困难的研究课题。在机器人导航,自动装配,自动驾驶等研究方向都会受到遮挡问题的影响。遮挡现象的存在为研究工作带来了极大的困扰,正因为如此,使得遮挡问题成为视觉研究领域的一个急需解决的问题。本文利用视觉目标的深度信息,针对国内外现有对遮挡问题研究成果的不足,充分利用机器学习、数学建模等相关理论知识,对深度图像中视觉目标的遮挡检测和摄像机的下一最佳观测方位确定问题进行了研究。首先,介绍了深度图像的相关基本概念和获取方法、遮挡现象的产生以及分类、遮挡边界和下邻接边界的基本概念、下一最佳观测方位的定义以及分类,另外本文还介绍了机器学习中随机森林和FCM聚类算法的相关理论知识。其次,通过对深度图像中像素点深度值的分析,以及对三维空间中视觉目标产生遮挡现象部分的空间位置关系的深入研究。提出了平均夹角特征和提取的对应方法。此外,提出了一种基于无监督FCM聚类算法的检测方法,实现对深度图像中视觉目标的遮挡边界检测。再次,在遮挡检测结果的基础上,确定提取遮挡边界和下邻接边界;然后,构建遮挡区域外接表面并对其进行建模,基于建模结果求解遮挡区域外接表面的观测方向、观测中心点和面积等信息;根据得到的信息从而确定下一最佳观测方位,实现对遮挡区域的观测。最后,对所提遮挡检测方法以及下一最佳观测方位的确定方法进行了实验,并对实验结果与现有方法进行了对比分析,验证了方法的可行性、有效性。