运动目标自动跟踪识别技术具有很多突出的优势,如可获得大量的目标信息、抗电子干扰能力强、测量精度高、跟踪视场范围大等,因此被广泛应用于交通管理,银行监控,军事边防等安全敏感领域。本文以行人为跟踪识别对象,在目标图像跟踪技术基础上,通过完善和改进运动目标识别算法,进一步提高监控系统的智能化和自动化水平,有效地实现在重点区域对特定运动物体的自动跟踪。针对目标自动跟踪识别中存在的实时性、准确性以及抗千扰能力的难题,本文提出基于信息融合的目标跟踪识别技术。从目标跟踪方法与设计出发,通过分析目标跟踪原理,研究了与之相宜的目标跟踪平台,并给出了目标自动跟踪识别总体设计方法。目标检测是图像处理的前提,结合目标跟踪测量系统对缓慢变化背景下的目标成像特点,着重研究与之相适宜的目标检测方法,择优采用了混合高斯算法对运动目标进行背景建模,为了改善目标检测算法实时性,提出自适应调整高斯分布个数的优化方案,并对目标区域进行RGB颜色加权直方图和Sobel边缘加权直方图的提取。目标在检测之后,在图像实现对特定目标的自动跟踪之前还存在这一个必要环节:目标识别,为保证目标识别准确性,给出了多特征信息融合目标识别架构与方法,采用BP神经网络进行目标预处理识别,将网络初步识别数据再利用D-S证据理论融合决策输出,最后通过算例分析验证系统的目标融合识别效果。目标跟踪识别系统中图像处理的最后阶段选择了在粒子滤波框架下的目标图像跟踪算法,用于获取目标图像质心像素坐标,分模块推导了粒子滤波跟踪实现过程,分析基于参数固定的图像特征融合方法,给出运动目标图像信息融合跟踪建模与算法。基于目标图像检测、识别与跟踪方法研究,本文通过搭建实验平台对理论部分的设计进行了实验验证,从实验结果可以看出,虽然视频序列存在背景变化、相似物干扰、部分遮挡以及目标部分形变的影响,使得目标中心点像素坐标存在浮动误差,但是,目标跟踪的质心像素坐标基本上处于有效视场内,目标跟踪相对稳定,目标自动跟踪识别系统具有较好的抗干扰能力。