提出一种基于Ｍｅａｎ Ｓｈｉｆｔ 改进算法与连通域标记的多目标跟踪算法。在多目标跟踪过程中，对目标瞬间丢失、目标遮挡或重叠时目标跟踪失败等情况有较好的改进。在跟踪过程中，当目标丢失时，基于改进的Ｍｅａｎ Ｓｈｉｆｔ 算法能自适应调整搜索窗口尺寸和方向。通过自适应扩展搜索窗口，利用连通域标记算法搜索目标并计算其矩特征来获得跟踪目标的重心和大小信息，并将获得的位置和尺度信息作为下一帧Ｍｅａｎ Ｓｈｉｆｔ 算法跟踪初始坐标和尺度，统计目标区域颜色直方图作为Ｍｅａｎ Ｓｈｉｆｔ 算法目标模型，从而解决

提出了一种尺度和方向自适应的均值漂移跟踪算法，以解决在均值漂移跟踪框架下如何估计目标的尺度和方向变化的问题。 在原始的均值漂移跟踪算法中，可以很好地估计目标的位置，而不能自适应地估计比例和方向的变化。 考虑到从目标模型和候选模型导出的权重图像可以表示像素属于目标的可能性，因此作者表明，原始均值漂移跟踪算法可以使用零阶和一阶矩导出。重量图像。 利用目标模型和候选模型之间的零阶矩和Bhattacharyya系数，提出了一种简单有效的估计目标规模的方法。 然后提出了一种利用估计面积和二阶中心矩的方法来