目标跟踪一直是计算机视觉研究领域的热点之一,在图像视频序列中,通过一定算法实现对目标的定位和跟踪并获取目标运动轨迹。在特定的情况中,将可见光传感器与红外传感器融合使用,互补两者的优势,能够克服单一传感器目标跟踪中存在的由于图像强度变化或是纹理不足产生跟踪性能不佳。本文实现了红外可见光双目环境下的融合目标跟踪,将该过程分为三个部分即预处理、图像融合、目标跟踪。在图像融合部分提升了融合图像的质量,在目标跟踪部分解决了尺度变化和旋转问题。围绕上述内容,主要研究工作如下:(1)对可见光图像以及红外图像进行预处理,保证两组图像序列能够顺利进行融合。为了使两种图像具有一致的颜色通道,对可见光图像基于HIS模型进行了灰度化。为了使图像具有更均匀的灰度分布,对红外图像以及可见光图像执行了CLAHE。为了保证两种图像的分辨率一致,对红外图像使用双线性插值进行分辨率变化。为了处理两种图像之间的几何偏差,对红外图像进行了图像配准。(2)提出一种基于改进灰狼优化的图像融合方法,优化了图像权重的求取,提升了融合图像的信息量。将图像分解为细节层与粗糙层后,对细节层使用优化权重进行融合,该优化权重的范围由互补边缘确定,能够有效强化目标信息以及边缘信息。优化权重通过改进的灰狼优化获得,并且对灰狼优化引入交叉遗传操作改进优化效果。最后通过实验验证了本文算法在熵、标准差、空间频率以及平均梯度都具有较好表现,同时与其他优化类算法相比具有更好的视觉效果以及更少的噪声。(3)提出一种基于特征点改进的跟踪算法,解决了在目标跟踪过程中涉及的目标尺度变化或旋转角度变化问题。在跟踪过程中引入了特征点匹配,使用FAST特征点以及BRISK特征描述子描述目标,在每一帧图像中提取特征点及特征描述子与对目标的特征点进行匹配,在匹配过程中结合稀疏光流改进匹配效果,使用成功匹配的点对目标进行尺度以及旋转角度的估算。并使用凝聚聚类去除错误的匹配点并依靠这些点重新估计目标的中心。最后以中心定位误差、重叠率、精确率、成功率作为指标,通过实验验证了本文跟踪算法的先进性,在红外可见融合图像下,总体的精确率、成功率高于其他算法,能够很好应对目标发生的尺度变化形变以及部分遮挡的情况。