视频目标跟踪技术一直以来都受到关注是由于它广泛地应用于民用和军事等领域,如视频监控、军事制导、智能控制等,因此对目标跟踪的研究具有非常重要的意义。目前大多数视频目标跟踪算法用颜色特征表示目标,当目标受到颜色相似物或光照变化的影响时,跟踪效果不佳,因此有必要用其它特征来表示目标。Contourlet变换是一种“稀疏”的图像表示方法,能够描述出图像的更多细节及边缘轮廓信息,从中提取能够表示纹理的特征,这种特征可以抵抗光照突变、颜色相似物的干扰。图像经Contourlet变换后,可以用分解得到的若干个子带图像来构建Contourlet直方图作为目标模板,也可以将Contourlet系数的统计特征用来表示目标区域的特征。对于这两种目标区域的表示方法,本文所作的工作如下:(1)将Contourlet直方图作为mean shift算法的迭代参数。针对mean shift算法无法调整核窗宽大小这一缺点,利用目标所在搜索区域信息熵与目标尺寸之间的关系,在mean shift算法中加入尺度更新项,提出基于Contourlet直方图和信息熵的窗宽可变跟踪算法,对发生尺寸变化的目标进行跟踪。实验结果表明该跟踪算法可以有效克服场景中相近颜色非目标物的干扰,还能稳定地适应目标的尺度变化。(2)将Contourlet变换高频子带系数分布的均值与方差以及从低频子带图像中提取的灰度共生矩阵特征参数组合形成目标的特征向量。为了解决大多搜索算法无法准确定位目标这一问题,本文引入遗传算法来实现候选目标的选择、与目标模板的匹配进而确定目标的最佳位置,提出基于Contourlet纹理特征和遗传算法的跟踪算法。实验结果表明,与其他的搜索算法相比,该算法能在搜索范围内准确地跟踪目标,表现出良好的鲁棒性。