● 摘要
随着机器视觉技术的日渐成熟，各种新的应用也日渐进入我们的生活。如智能监控领域中的行人和人脸的检测、跟踪和识别，如汽车电子领域中汽车、道路标志等的检测和识别等。机器视觉技术在智能交通、安全、军事、医疗和人机交互等众多领域都有广泛的应用前景。这些应用的核心是视频目标检测和跟踪算法，多数情况下都涉及多个目标，因此论文对基于机器视觉的多目标检测和跟踪算法进行了研究，以提高目标检测和跟踪算法的实时性、鲁棒性和准确性。
本文首先对目标检测算法进行研究，总结当前目标检测算法的研究现状。重点研究Viola提出的Adaboost分类器+Harr特征的人脸检测算法，由于Viola人脸检测算法较好的性能和实时性，后续的大多数目标检测算法均在此基础上进行改进。本论文也对Viola人脸检测算法进行了大量改进，在时间、普适性上都有提高，适用于人脸、汽车、飞机等目标的检测。
视频目标跟踪算法则更为丰富，论文总结了目标跟踪算法的研究现状，如基于颜色直方图的Meanshift算法，粒子滤波方法，Ensemble tracking方法，TLD算法，Online boosting算法等，但由于目标形态的多变性，至今为止目标跟踪算法都不完美。接着论文对Ensemble tracking算法进行了大量的改进工作，使得实时性、性能都得到提升，尤其对于人脸跟踪，效果非常好。
本文对目标检测算法的改进包括使用joint pixel-pair feature作为特征来减少计算量和提高性能，使用soft cascade的结构构造分类器，也包括使用bootstrap的方式进行训练。跟踪算法的改进包括使用概率图模型进行样本权重的重新分配，以及对特征空间原点的移动改进分类器性能。这些改进都从算法本质以及算法效率上提升了原算法，具有实用价值。