自动目标跟踪识别(ATR)技术是军事和民用领域中的一项广泛而重要的技术。基于视角的目标识别所面临的重大难题是如何捕获不同目标在不同视角下的外形特征,同时在当前的许多目标识别算法中类别变量大部分被当作离散变量来考虑。另外,某些自动目标跟踪识别方法要使用多视角典型模板来训练目标图像,这些方法通常需要密集的训练视角集合,它只针对已知目标的跟踪识别起作用,而在处理未知目标时,该方法就受到了很大的限制。本文是把视角以及类别这两个变量都看作连续变量,并且将代表目标的这两个特征流形进行耦合来共同处理。这样做不仅有利于自动目标跟踪识别进程,而且还有利于系统合成新的目标,以便处理处于未知视角下的已知或未知目标。本文我们将主要研究地面车辆的跟踪识别。目标表征方法本质上是非参数的,生成模型中需要大量高分辨率图像来检测目标的有用特征,这点不适合实际目标的自动跟踪和识别。所以本文给出了一种新的基于多视角形态的模型建立方法,其中包括类别流形和视角流形两方面。一维类别流形既涵盖了不同类别间的形态变量,也包含同一类别间的形态变量。二维半球视角流形用于表示地面目标的状态变化。最后我们使用非线性张量分解方法把这两种流形融合到一个压缩的生成模型中。同时由于视角和类别这两个变量本质上是连续的,符合各自的流形定义,所以自动目标跟踪和识别可以有效地通过粒子滤波器实现。我们将本文给出的基于视角和类别流形的多视角目标模型在MATLAB中进行3D模型仿真学习,发现该模型具有较好的插值能力,可以比较好的描绘出各种目标原型。同时通过对比之前的跟踪识别算法中的跟踪重叠率表明,将视角流形和类别流形进行耦合的生成模型能够很好的实现目标跟踪识别任务,跟踪识别准确率能够达到85%以上。