目标跟踪在运动目标的视觉分析中占有重要的地位,属于视觉的中层部分。目标跟踪是通过对摄像机所拍摄的视频图像序列进行处理,找出连续图像帧间的对应关系,实现对图像和图像序列中运动的目标进行跟踪。利用目标的跟踪,可以方便地获得目标的运动、姿态、行为参数,为后续的高层的行为理解和识别奠定了基础。根据跟踪的需求不同,目标跟踪主要可以分为轮廓跟踪和区域跟踪两大类。虽然目标跟踪是计算机视觉领域一个重要的研究方向和研究热点,但是目前仍然有很多理论与技术问题尚待解决。对轮廓跟踪来说,需要解决的主要问题有快速运动、跟踪精度、跟踪速度等。而对区域跟踪来说,主要问题集中于跟踪过程中存在的噪音干扰、运动模糊、光照变化、遮挡等。　　 本文的工作以移动摄像机下目标的轮廓与区域跟踪为目标,分别对以下三个问题进行了深入的探讨和分析:　　 (1)快速运动目标的轮廓跟踪;　　 (2)如何有效地提高轮廓跟踪的精度;　　 (3)区域跟踪中的表观建模。　　 大量的实验表明我们方法的有效性和鲁棒性。论文的主要工作和贡献如下:　　 ①提出了基于序列粒子群优化的轮廓跟踪框架,来解决快速运动造成的不连续性问题。在具体跟踪时,我们采用一种分层级联的轮廓跟踪算法。在框架的第一层中,我们用序列粒子群优化算法估计目标的全局运动,然后把全局运动信息加到上一帧的轮廓上,得到当前帧的粗略轮廓。在框架的第二层中,我们把得到的粗略轮廓作为轮廓进化的初始值,使用level set轮廓进化算法来得到精确的轮廓。该框架有效地解决了快速运动对轮廓跟踪造成的挑战。　　 ②提出了基于Adaboosting判别模型的轮廓跟踪算法。我们首先在不同的特征空间中构建弱分类器,分类器的目的是使得目标和背景的区分性达到最优。然后通过Adaboosting算法把判别力最好的一些弱分类器组合成强分类器,再把它融入到轮廓进化的能量函数中,我们的算法提高了轮廓跟踪的精度以及处理嘈杂背景的能力。　　 ③提出了基于概率索引直方图的目标表观模型,该模型能够有效地解决传统直方图表示目标的一些局限性。我们首先用不同类别的混合高斯概率模型来表示不同直方图区间,对目标区域构建索引图来表示像素所属的直方图区间,然后通过联合优化得到索引图和混合高斯模型的参数。基于这两个参数,我们进一步提出了空间距离和比值不相似度距离来度量直方图的相似性。　　 ④提出了基于Volterra核嵌入判别的表观模型,我们通过Volterra核嵌入算法,把非线性的判别式子空间学习问题转化为图嵌入优化问题,通过该转化实现下面两个目标:　　 (1)方便地引入局部保留准则来处理样本分布是多态的情况;　　 (2)在构建判别式模型的同时,在一个统一的图嵌入框架下融合产生式模型,使得我们的表观模型同时具备产生式和判别式模型两者的优点,得到了更加鲁棒的跟踪结果。　　 ⑤提出了基于RCD多特征融合准则的手跟踪框架。在该框架中,我们从特征点选择的角度来融合颜色和运动特征,然后通过跟踪特征点来实现手的跟踪。融合的过程集中在特征点的产生和选择的过程。在第一次融合过程中,我们用颜色特征估计手所在的大致区域,来限定特征点的产生。在第二次融合过程中,我们提出了RCD准则来选择特征点。相比于其他经典的通用目标跟踪算法,由于我们的算法是专门针对手的跟踪的,所以能够在不同场景下取得更鲁棒的跟踪结果。　　 ⑥提出了基于多任务联合稀疏表示的跟踪方法,通过多任务联合优化有效地解决了稀疏表示中多特征融合的问题。在该框架下,不同的特征对应着不同稀疏表示的优化任务,通过求解基于L21范数的优化问题,在不同的任务上同时达到全局稀疏。多特征融合、遮挡、噪声以及表观变化等跟踪的问题都可以在该框架下得到有效地处理。同时由于该算法对遮挡鲁棒,我们将其推广到了多目标跟踪中。