张京爱，李群，李鹏飞，王江涛

（淮北师范大学物理与电子信息学院，安徽淮北235000）

在视频序列中对运动目标进行持续跟踪是计算机视觉的一个重要任务，其被广泛应用在人机交互、智能监控、医学图像处理等领域。目标跟踪的本质是在图像序列中识别出目标的同时对其进行精确定位，为了克服噪声、遮挡、背景的改变等对目标识别带来的困难，出现了很多的跟踪算法。基于区域的跟踪算法通过使一个损耗函数最小化来对连续图像序列间的目标区域进行跟踪，而基于特征的跟踪算法则通过特征抽取（比如亮度、颜色、边缘、轮廓等）来建立模型图像与目标图像间的对应关系，进而确定目标的位置。多数算法采用了统计手段对图像中的被跟踪的区域或像素进行表达，在有参的情况下，目标物体通常假定为一高斯混合模型，通过非线性估计即可获得目标模型的各项参数。然而在实际应用中，高斯混合模型并不适用于实际中多峰、复杂的概率密度情形；与之相比，非参数密度估计手段则能克服高斯混合模型的缺点，对复杂的概率密度进行精确的估计。在非参数密度估计手段中，直方图对于跟踪可变化的非刚性物体具有较好的柔性和鲁棒性，然而由于受到维数的限制（维数随着颜色数目指数增加），其只适合于低维空间，而基于核的密度估计，只要给定足够的样本，就可以适用于低维和高维空间，与前者相比具有更大的应用空间。……