运动目标跟踪就是利用摄像机作为“眼睛”,去识别、观察并记录感兴趣的运动目标。近年来已成为计算机视觉领域研究的热点。由于在应用中对目标跟踪精度和实时性要求的不断提高,相关算法也需要不断地进行改进。本文将光流法应用在运动目标跟踪中,对目标跟踪算法的实现过程进行了具体研究,并针对光流法在目标跟踪中的一些缺陷进行了改进。首先,研究了经典的HS光流法和LK光流法。其中LK光流计算方法因为灵活性高、计算量相对较小更适合应用在目标跟踪中。对于帧间运动位移较大的光流计算,将图像进行金字塔分解来提高光流矢量求解的精确度。其次,LK光流法得到的光流矢量解有一定的不稳定性,在计算过程中解的稳定性依赖于窗口权重函数,本文提出引入Hessian矩阵对LK光流计算进行改进。在计算光流矢量前先用Hessian矩阵对邻域内的光流点进行判断,设定阈值,剔除不在阈值范围内的外点,最后用剩下的可靠点根据加权最小二乘法求解光流矢量。然后,基于光流法对运动目标进行了跟踪。整个过程主要包括图像预处理、角点检测、光流计算、光流聚类、区域分析以及标定出目标位置。通过仿真实验得出每帧的跟踪结果,结果显示算法存在对光照敏感、抗干扰能力差以及随着时间推移误差会累积等缺陷。最后,本文提出引入定位精度较高的SIFT特征点匹配跟踪算法,将该算法得到的目标位置与光流法跟踪得到的目标位置进行卡尔曼滤波融合。在融合的同时对光流法跟踪进行重新初始化,矫正其跟踪误差。实验结果证明,所提出的融合算法减小了帧间累计误差,提高了目标跟踪精度,且实时性与改进前算法的实时性相当。