塔吊驾驶员在操作塔吊的过程中存在视觉盲区,导致驾驶员工作强度大,稍有不慎,便会造成安全事故的发生。目前国内在塔吊上使用的智能监控设备主要是用来测量一些重要的性能指标参数。有些建筑工地采用一般的网络摄像头来解决视觉盲区问题,但它只做简单的视频监控。有些高校也针对塔吊吊钩跟踪进行了研究,但是在变焦模块,无法实现镜头的自动变焦,智能程度低。针对塔吊驾驶员作业过程中视觉盲区和视觉疲劳问题,本文对基于视频的塔吊吊钩跟踪算法进行研究,主要包括特征点检测、特征点跟踪和摄像头变焦三部分。为了扩大吊钩的识别面积,在吊钩上方放置标志物,通过对标志物的跟踪实现对吊钩的跟踪。首先通过改进的SIFT算法提取标志物感兴趣区域的角点,改进的SIFT算法大大的加快了特征点检测的速度,将其应用到目标跟踪中有效的提高算法的效率。然后通过金字塔光流算法对特征点进行跟踪,但在实际工程应用中,由于光线变化等干扰,会导致角点漂移,进而导致错误的跟踪结果。针对该问题,本文采用一种新的角点分类算法,该算法能有效的滤除跟踪错误的点,随着不稳定特征点的逐渐剔除,目标的有效特征点逐渐减少甚至消失。针对特征点跟踪这一缺点,本文运用了特征点跟踪与粒子滤波结合的方法。采用了协方差矩阵技术来描述目标,作为粒子滤波的观测值。在摄像头变焦模块,建立了镜头自动变倍模型。通过镜头自动变倍模型,使得监控目标始终以合适的尺寸显示在画面中。为了验证跟踪算法的有效性,本文分别对标志物运行视频和发生大幅度旋转的目标视频数据进行了实验,验证了该跟踪算法的有效性;并通过标志物的运动模拟吊钩的运行视频,验证了镜头自动变倍模型的有效性。