1．目的及意义
随着近几十年信息技术的发展，视频图像的采集、存储、传输，处理等问题得到有效解决，原本应用在一些如卫星导航、声呐跟踪等抽象领域的目标跟踪技术，如今广泛应用于视频图像中。目前，视频目标跟踪技术在智能视频监控、无人驾驶、人机交互、虚拟现实等许多领域得到了广泛的应用。正是由于其广阔的应用前景,视频目标跟踪技术受到了越来越多研究者的关注，已经成为了计算机视觉的一大研究热点。
近些年，视频跟踪技术发展迅速，许多国内外研究机构对此进行研究，并取得了大量的研究成果。但要对视频目标进行鲁棒且稳定的跟踪，仍然面临着许多难题。当对复杂场景下的目标进行跟踪时，由于光照的变化、相似物的干扰、遮挡等干扰存在，可能会引起跟踪目标的丢失。同时，目标自身可能在尺度或者外观发生较大的变化，加大了跟踪的难度。这些问题阻碍了视频跟踪技术更进一步的应用。
虽然视频跟踪中存在一系列的难题，但在科研工作者的努力下，已经提出了许多解决方法。其中卡尔曼滤波和粒子滤波等目标跟踪算法较为有效。卡尔曼滤波算法在跟踪目标运动线性且噪声高斯的情况下是最优的，但实际情况下往往跟踪目标运动非线性，噪声非高斯，此时使用卡尔曼滤波方法可能会造成跟踪失败或产生较大的偏差。而粒子滤波可以很好地处理非高斯系统。粒子滤波算法源于蒙特卡洛思想，它通过大量随机采样来逼近目标状态的后验概率密度，可以很好地解决非线性问题。并且随着近些年来的研究，重要性采样和重采样等方法的提出有效解决了粒子滤波的采样问题和权重退化问题，使得粒子滤波算法更加具有实用性。
本论文将对基于粒子滤波的视频目标跟踪算法进行研究。采用粒子滤波算法可以有效的对视频目标进行跟踪，且通过现有的方法进行改进后的粒子滤波算法对一些复杂场景下的目标跟踪也十分有效。因此，对基于粒子滤波的视频目标跟踪技术进行研究在理论价值和实用价值上都具有重要的意义。
{title}

2. 研究的基本内容与方案

{title}

本论文采用粒子滤波算法对视频目标进行追踪。在实现简单场景下的视频目标跟踪后，再通过调研学到的方法在此基础上进行改进，进行场景更复杂的视频目标追踪。基本内容：

（一）绪论。视频目标跟踪研究的意义和目的以及国内外研究现状。

（二）粒子滤波的原理。主要是介绍粒子滤波的相关思想和对其公式的推导。

（三）多特征融合的粒子滤波器。包括目标特征提取的方法及多特征融合的方法。

（四）多区域联合粒子滤波器。包括用多区域划分的方法解决遮挡问题

（五）总结。对实验结果进行分析并总结。

技术方案：

1、使用粒子滤波算法。基本流程为：首先在视频的初始帧选定要跟踪的目标区域，得到该目标的特征模板。然后在此区域的中心点处按高斯分布随机传播粒子，在下一帧中，对每个粒子对应的目标区域的特征模板和初始特征模板进行相似度对比，从而得到每个粒子的权重，然后对每个粒子进行加权，得到跟踪目标的位置。然后进行重采样，再对下一帧图片按上述流程进行跟踪。