视频目标跟踪技术是计算机视觉领域中重要的研究方向之一，在军事、民用等领域有着广泛的应用，例如人机交互、室外监控、机器人视觉、精准制导等方面。随着现代技术的发展，精确制导武器成为各个国家在军事发展中的优选目标，如何控制导弹精确打击目标成为越来越多国家研究的热点课题，而对于目标跟踪的研究就显得尤为重要。
通常情况下，目标跟踪被定义为在一个连续的视频序列中，得到指定物体的位移信息，从而描绘出该物体的位移轨迹，并对其位移数据进行分析，最终达到理解物体运动行为的目的。
当弹目距离较大时，目标在视场中占的像素很少，在图像中仅为一个亮点。较小的目标容易受到快速运动、背景、噪声、拖尾等因素的干扰，对检测与跟踪算法的精读和鲁棒性要求很高，因此研究精度高而且鲁棒性好的小目标跟踪方法仍是一项重要任务。精准的小目标跟踪方法为导弹精准制导提供了重要的理论依据，同时会为我国的军事带来意想不到的经济效益和社会效益。
本课题在国内外的研究状况及发展趋势：
国外现状：国外对于视频跟踪理论研究起步较早。美国自然科学基金委员会及美国军方对复杂环境下多目标的动态检测、识别及跟踪的算法的研究及其应用非常重视。美国自然科学基金多次资助有关公司进行相关算法研究。早在20 世纪50年代初期，GAC 公司就为美国海军研制开发了自动地形识别跟踪系统。近几年，自适应跟踪和智能跟踪的思想被相继提出。
国内现状：随着图像处理和分析技术、计算机技术和各种图像传感器技术的飞速发展，国内一些高校和科研院所已经逐渐开展这方面的研究，并且已经取得了喜人的成绩。
发展趋势：运动目标检测与跟踪的准确性与鲁棒性，很大程度上依赖于精确的表观建模。传统的特征表达通常是依靠人类智慧、先验知识，通过人工的总结设计用于视觉任务的特征，这类特征能够较好地用于检测与跟踪任务，且实现比较容易，实时性能较强。
然而，现有算法大多还只是停留在对特定场景下的运动目标的分析与建模,较难实现对复杂自然环境下运动目标的精确检测与跟踪。同时，其在算法实时性能上也较难保证。因此，复杂自然场景下的运动目标检测与跟踪及其实时性能仍然是需要努力的目标。
主要研究内容：
1、目标跟踪的相关算法和工具：本设计主要包括目标检测、目标分割和目标跟踪三个方面。采用Python作为算法编程语言，在Jupyter Lab集成开发环境中编写代码。
2、目标检测：首先，对指定目标寻找可以跟踪的特征，常用特征的有颜色、轮廓、特征点和轨迹等，依据目标和静态背景之间明显的特征差异，选择合适的的目标特征。
3、目标分割：根据目标检测的结果，定位出目标的位置，采用相关的图像处理方法对目标进行分割，确定目标的位置及大小。
4、目标跟踪：有目标分割得到目标的位置及大小之后，选择合适大小的标定框对目标进行标定。场景中的目标在运动，目标的影像在不同图像帧中的位置不同，依次标定所有帧图像中的目标即可实现目标跟踪的功能。
5、算法优化：较小的目标容易受到快速运动、背景、噪声、拖尾等因素的干扰，采用帧差法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的目标位置相减，判断位置差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而优化目标跟踪的精度及鲁棒性。
完成论文（设计）的条件、方法及措施：
硬件环境：一台标准配置的PC机
软件环境：开发工具：Jupyter Lab
操作系统：Microsoft Windows10
论文（设计）拟定提纲：
第1章 概 述
第2章 算法原理
第3章 算法实现
第4章 算法优化
第5章 算法测试
主要参考文献
[1] 秦永,叶健安,李金玲,陈文嘉.“低慢小”目标定位跟踪算法研究[J].电脑知识与技术,2020,16(26):23-24+26.
[2] 张萍, 基于视觉融合的低空小目标检测和跟踪关键技术研究[D]. 四川省,电子科技大学,2020-06-11.
[3] 左健宏. 空中红外小目标检测跟踪方法研究[D].中北大学,2020.
[4] 唐宇晟. 基于高分辨率ISAR图像的目标识别与跟踪方法研究[D].电子科技大学,2020.
[5] 王鑫,牛占冀,杨月.低空慢速小目标跟踪方法的研究[J].北华航天工业学院学报,2019,29(06):4-6.
[6] 丁梦蝶. 低慢小目标跟踪算法的设计与研究[D].哈尔滨工程大学,2018.
[7] 冈萨雷斯.数字图像处理[M].北京：电子工业出版社，2007．
[8] 韩家炜,坎伯.数据挖掘;概念与技术[M].2版.北京:机械工业出版社,2012.
[9] 张晓华，段美霞.基于差分法的运动目标检测设计[J].河南工程学院学报(自然科学版),2012,24(1):67-70.
[10] 刘钟远.复杂环境下运动目标检测和跟踪技术研究[D].成都:电子科技大学,2016.
[11] 王春涛.基于背景差分法和光流法的视频动态目标检测与跟踪[J].软件导刊,2011,10(6):145-147.