视频目标识别与跟踪技术一直以来都是图像处理与模式识别领域的重要研究内容。近些年来，由于陆上交通逐渐显得不再那么方便，于是水上交通越来越受到重视，特别是江上轮船运输已经成为大量承载货物运输的方式。然而这种运输方式也存在一定的弊端，如容易发生轮船碰撞、非法走私、非法捕捞等情况。为此，本文在研究了长江水域重庆段的江面轮船运输情况后，对视频目标的识别与跟踪技术做了研究和应用。　　本文首先大致介绍了江面轮船目标识别与跟踪技术的研究背景与研究意义，然后简要的论述了一些现有的的运动目标识别与跟踪方法，接着重点介绍了轮船图像的边缘提取方法，最后深入的研究了图像的识别与跟踪方法。本文主要对以下几个方面进行了研究和创新：　　①对图像的边缘检测方法进行了研究，通过对经典的边缘检测方法和近些年发展的边缘检测方法的对比，并且针对江面轮船图像背景单调、噪声比较复杂的特点，采用小波变换的方法对图像进行边缘检测，得到了较好的边缘。　　②深入的研究了图像的分割方法，并针对可见光下江面轮船目标的成像特点，提出了一种适用于实时可见光下轮船图像的有效目标分割方法，即基于行列均值的自适应阈值分割算法，并通过仿真实验对各种经典的阈值分割方法与本文提出的分割算法进行了对比分析，实验结果表明本文提出算法的有效性。然后为了减少特征提取算法的计算量，又提出了一种基于二维排序搜索的跑长码区域标记方法来对分割后的区域进行标记。　　③针对轮船的形状特点，提出了一种提取轮船图片形状特征的FE算法，通过该算法能够很好的得到轮船图片的面积、长宽比、上下比和复杂度这几个特征，然后根据这几个特征建立一个知识库，通过人工智能的方法来进行轮船的识别。　　④对粒子滤波方法进行了深入研究，并将其应用到江面轮船跟踪系统当中，通过融合HSV颜色直方图和轮船的形状特征，大大提高了系统的鲁棒性和精确度。并且能够很好的适应多目标、有部分遮挡的情况。