题目：复杂条件下的目标跟踪技术研究

视频图像中目标跟踪技术的研究在对空、对地精确制导和天基预警等方面都有着特别重要的应用。虽然视频图像目标跟踪已经取得了较大的进展，但是复杂条件下的目标跟踪技术研究还远未成熟，要开发出能够在实际应用中真正鲁棒、实用的跟踪应用系统还需要克服大量的困难。本文以光照变化、尺度变化、姿态改变、背景干扰以及部分遮挡等复杂条件下的目标的跟踪为研究对象，以提高跟踪精度、算法鲁棒性和处理速度为目标，针对基于样本学习这一类目标跟踪算法，从离线训练到在线学习，从单特征跟踪到多特征信息融合，逐步深入研究，主要工作如下：首先，针对目标跟踪任务中的感兴趣目标，在可以预先获得目标样本的条件下，提出了一种基于子空间梯度方向直方图的目标跟踪算法。首先通过PCA离线训练充分利用先验数据样本库，然后结合粒子滤波方法搜索与训练样本集最匹配的目标区域。该方法通过离线训练解决了传统的模板匹配方法不能自适应更新模板的问题，实现了在适当的光照、尺度、姿态变化、噪声干扰以及图像模糊等条件下较为有效的目标跟踪。其次，为了解决离线训练样本单一、固定的缺点，同时为了充分利用图像中的背景信息，提出了一种基于增量线性判别分析的目标跟踪算法。通过增量线性判别分析算法，利用跟踪结果在线更新线性判别子空间，并且结合图像中的背景信息，将目标跟踪问题转化为目标与背景的两类划分问题，实现了比离线训练更灵活、有效的目标跟踪。再次，为了解决实际目标跟踪环境中单一特征不可靠的问题，在上述方法基础上提出了一种基于多特征信息自适应融合的目标跟踪算法。结合多种当前比较有效的目标描述方法，提出了基于增量线性判别分析的多特征融合策略，从多种特征中选取能够最有效地区分目标与背景的信息，当一种特征失效时，可以用其它特征继续维持跟踪，与基于单一特征的跟踪算法相比，大大提高了目标跟踪的鲁棒性和精确性。最后，使用C++语言设计开发了一个功能完整、算法高效、扩展性强的软件平台。能够模拟目标跟踪算法的实际应用环境，实现从图像采集、预处理到目标检测、跟踪，最后计算跟踪误差的一整套流程，为将来进一步的研究奠定了基础。