1.一种基于蒙特卡洛树搜索的对象跟踪方法，包括如下步骤：步骤一、目标选取

从初始图像中选择并确定要跟踪的目标对象；目标选取过程可以通过运动目标检测方法自动提取，也可以通过人机交互方法手动指定；

步骤二、初始化：

将当前目标位置作为蒙特卡洛树的根节点，初始时该蒙特卡洛树只有此根节点，然后将蒙特卡洛树的根节点作为当前预测轨迹的起始节点R；

步骤三、图像输入：

在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像；在离线处理情况下，将已采集的视频文件分解为多个帧组成的图像序列，按照时间顺序，逐个提取帧图像作为输入图像；这里每一次获取并处理H帧图像，即每次确定的目标轨迹长度和每次蒙特卡洛树模拟的深度为H；这里H＝30；如果可获得的输入图像数目不足H，则根据实际获得的图像数目设置H；如果输入图像为空，则跟踪结束；设置迭代次数N＝1；

步骤四、节点选择：

从起始节点R开始，以其子节点的权重为概率，逐层随机选择子节点，直到树的叶节点；

第1次迭代时，起始节点即为选择的叶节点；设本次迭代选择的叶节点为L，如果L的深度小于H，则跳转到步骤五，否则，迭代次数N加1，并重新进行节点选择；

步骤五、节点扩展：

以叶节点L对应的图像位置为中心，在15×15的范围内，为该节点扩展出225-1＝224个子节点，每个子节点对应该范围内一个不同的位置，且每个子节点的初始权重均为1；然后，以扩展出来的这些子节点权重为概率随机选择1个子节点作为模拟节点S；

步骤六、轨迹模拟：

以模拟节点S为中心，在其15×15的搜索范围内随机产生一个预测目标位置，然后再以该预测目标位置为中心，在相同的搜索范围内随机产生一个新的预测目标位置，该过程重复M次，且满足模拟节点S的深度+M＝H；这些连续的预测目标位置分别对应一个与目标大小相同的图像块，它们构成一个预测目标图像块序列A；

步骤七、轨迹评价：

对预测目标图像块序列A中的每个图像块，采用NCC规则化交叉互相关方法计算其与目标图像块的相似度，并计算它们的平均值ω；

步骤八、节点权重更新：

将模拟节点S的权重设置为平均值ω，然后计算叶节点L的所有扩展子节点的权重平均值，并将该值作为L的新权重；如果L有父节点，则按照更新L权重的方法更新其父节点的权重；同理，逐层更新树的节点权重直到起始节点R；迭代次数N加1；如果N

步骤九、轨迹选择：

从起始节点R开始选择树中具有最大权重和的节点路径，并将该路径对应的预测轨迹作为目标轨迹，完成该时间段的目标定位；同时把该路径上的最后一个节点，作为新的起始节点R；

步骤十、目标更新

如果目标轨迹中最后的目标位置对应的图像块与原目标的相似度>δ(δ＝0.8)，则将该图像块作为新的目标表观，完成目标更新，否则，目标不变；这里相似度计算同样采用NCC规则化交叉互相关方法；跟踪完成，跳转到步骤三。