视频中多目标跟踪技术是图像理解、计算机视觉等领域的一个核心研究课题,现已广泛地应用于军事视觉制导、机器人视觉导航、交通管制等领域,因此对多目标跟踪技术开展研究有着重要意义。针对基于特征的多目标跟踪技术过分依赖于分割效果、Mean Shift跟踪方法难以适应光照等变化问题,本文开展基于特征融合和Mean Shift的多目标跟踪方法研究,并进行了大量实验,取得了如下成果:1.快速目标区域提取算法。基于背景差法和帧差法,提出了一种改进的背景差检测方法,快速、有效地提取二值化运动前景后,运用数学形态学处理和连接标志方法进行多目标分离,准确、完整地提取各目标区域。2.特征融合的多目标跟踪方法。针对传统的基于全局特征跟踪方法不能准确跟踪互遮挡的多个目标这一问题,提出了融合运动目标局部特征的角点采样跟踪方法,实现准确、有效地跟踪互遮挡的多个目标。在角点特征提取过程中,还提出了双阈值Harris角点检测算法,与传统算法相比,改进的算法避免了检测中的阈值设定。3.运动像素提纯的Mean Shift算法。针对传统的Mean Shift跟踪算法由于考虑背景成分而造成跟踪窗口中心与目标真实中心偏离问题,提出了基于运动像素提纯的Mean Shift算法。与传统算法相比,改进的算法能够有效地去除跟踪窗中背景成分,因而迭代后的目标跟踪窗口中心与目标真实中心更为接近。4.在研究特征融合跟踪方法和Mean Shift算法的基础上,提出了基于特征融合和Mean Shift的多目标跟踪方法。该方法结合特征融合方法和Mean Shift算法的优点,使得对视频序列中运动目标跟踪的鲁棒性更强。