1.一种融合目标外观模型和博弈论的视频目标互遮挡处理方法，其特征在于：所述方法包括以下步骤：

1)遮挡区域预测，过程如下：

以t-1时刻目标预测位置 和 为圆心，构建目标边界框的外接圆Ci和Cj，其半径为和 其中， 和 为预测目标状态 的位置和尺寸， 和 为预测目标状态 的位置和尺寸，||·||为欧几里德范数，当且仅当 时，如式(1)所示，则目标i和j所在区域被预测为候选遮挡区域，反之，则认为无遮挡发生：

2)遮挡区域确定，过程如下：

假设t时刻候选遮挡区域中存在一测量值 满足式(2)，n＝1,…,Nm,t，则此测量值即被确定为遮挡区域：式中，ε为尺度因子；

3)构建目标外观模型，过程如下：利用高斯混合模型 来表征目标i的颜色分布，其中， 表示混合模型中第k个高斯元素的权值、均值和协方差，k＝1,…,K，K为混合模型中高斯元素的数量，遮挡发生后候选目标外观模型pi与遮挡发生前目标外观模型qi之间的相似度Ps(pi,qi)定义为：式中， Ψ1＝Ωi-

Ωi∩Ωj，Ψ2＝Ωi∩Ωj， 表示pi中目标支持域Ωi中处于li位置的像素的颜色值，

Ni为Ωi中前景像素的数量；

4)基于博弈论的遮挡目标跟踪，过程如下：

4.1)构建遮挡区域目标函数，过程如下：当遮挡发生时，可得遮挡区域的目标测量值 遮挡区域内的目标数量 及其身份，给定目标融合后的前景 以及目标预测状态值 通过最大化测量值 与前景间的相似概率来获取最优解

由贝叶斯理论得：

式中

4.2)构建多人非合作博弈，过程如下：假设目标在遮挡过程中尺寸保持不变，则测量值 的最优估计简化为其位置的最优估计，构建多人非合作博弈如下：局中人：遮挡区域中目标 的测量值策略：局中人的运动，即局中人的位置收益： 其中

由上知，式(5)的最优解即为求取所构建博弈的纳什均衡；

4.3)求取纳什均衡，过程如下：给定其他局中人的最优策略 当前局中人i的最优策略为：式中， 表示给定其他目标最优测量值 的条件下，当前目标i的测量值 与前景 间的相似概率，此相似概率等同于遮挡前后目标外观模型的相似度；

其中：

令 关于 的导数为零，则有：

式中，N′i为支持域Ψ1中前景像素的数量，由式(9)求得 的解，此解即为局中人i的最优策略局中人i的初始策略 选为相应目标的预测状态位置 并作为博弈开始的最优策略；给定其他局中人的初始策略 局中人i的最优策略 由式(10)求得， 不断迭代更新直至博弈达到式(11)所示平衡终止条件：max(Δl)＜TNE              (11)式中， 表示相邻两迭代周期最优策略集的差，为初始策略集，TNE为给定阈值。