目标跟踪是机器视觉,模式识别,图像处理领域里的一个重要的研究方向,在视频监控,医学诊断,人机交互,机器人视觉导航,运动分析等多个领域具有广泛的应用。在复杂环境下,受目标变形、相机抖动、光照变化、目标遮挡、相似背景及环境噪声等因素的影响,对目标进行实时准确的跟踪成为了计算机视觉领域一个公认的难题。近年来,虽然有许多国内外学者对目标跟踪进行了深入的研究,并提出了较多改进的算法,但是仍然无法解决复杂环境下跟踪的实时性和鲁棒性等问题。本文在L-K光流法理论的基础上,对基于轮廓和角点的目标跟踪技术进行了较深入的研究。针对L-K光流法实时性差,在存在运动物体干扰时无法准确跟踪特定运动目标等问题,提出了基于L-K光流法的自适应边缘轮廓选取目标跟踪算法,提高了复杂环境下L-K光流法目标跟踪的实时性和准确性。本文的主要研究工作及成果如下:(1)针对在复杂场景下灰度图无法准确反映RGB图像中三个通道值的变化趋势的问题,本文提出分别在三个通道对图像进行Canny边缘检测,得到三个通道的边缘检测图,然后将该三幅边缘检测图进行数据融合,实验证明融合后的边缘检测图优于原始检测边缘图。在此基础上,针对光流法在运动物体干扰下无法准确跟踪特定运动目标的缺点,提出了自适应边缘轮廓选取法,能较好地减少环境中运动物体的干扰,从而提高跟踪的精度。(2)针对全局光流法跟踪运动目标,实时性欠佳的问题,在提取出目标轮廓的基础上,进一步检测轮廓上的角点,并删除非目标轮廓的角点,只跟踪目标轮廓内角点的方法,提高实时性。对于角点较少而导致跟踪失败的情况,引入Hu不变矩匹配对角点进行更新,从而提高跟踪的鲁棒性。实验结果验证了本文提出的跟踪方法的有效性。