随着社会经济的发展和计算机视觉技术的普及,基于视觉的目标检测与跟踪已成为研究热点。无论是军用导弹跟踪技术,还是民用视频监控系统,它们都与计算机视觉技术相关。本文针对计算机视觉技术中的目标特征匹配、目标跟踪进行理论和实践研究。论文的主要工作包含以下几个方面:(1)研究了基于运动分析的目标跟踪算法和基于图像匹配的目标跟踪算法。对于前者,首先分析了背景差分法、帧间差分法、光流法三种算法的优缺点和应用场合。说明在实时跟踪的场景下,帧间差分法是最合适的。然后对混合高斯模型和码本模型这两种基于背景建模的前景检测方法进行比较,通过实验说明两者都能较好地检测出目标,而后者运算速度更快。对于后者,首先明确了目标跟踪的技术要求和技术难点。然后将目标跟踪问题分为四个部分:特征提取、运动模型、观察模型、模型更新。最后分析了几种适合课题的目标特征和运动模型。(2)提出了一种改进压缩跟踪算法。首先研究了压缩跟踪算法的理论和实践流程,该算法跟踪速度快,跟踪准确,但是不能适应目标尺度变化。本文针对尺度变化的目标的跟踪问题,提出一种分块追踪的思想对压缩跟踪算法进行改进。这种方法可以评估目标尺度的变化情况并且调整跟踪窗口的大小,从而使得跟踪更加准确。实验证明,针对尺度变化的目标,该算法的跟踪在成功率和中心误差率两个指标上都优于压缩跟踪(CT)算法和多示例学习(MIL)算法,在大部分情况下也优于快速压缩跟踪(FCT)算法。(3)提出一种主色谱直方图融合部件信息的目标匹配算法用于PTZ摄相机跟踪系统。系统需要每隔一定时间确定主目标进行主动跟踪,当需要检测时,检测到两个目标,首先分别提取主颜色谱直方图特征和前一次记录的主目标比较,来确定此时的主目标。如果上面步骤无法判断主目标时,采用部件信息的LBP特征结合SVM分类器的方法,来确定这一帧的主目标。实验结果表明,本文提出的算法目标匹配准确度比仅使用主颜色谱直方图匹配算法的准确度高。