前视声纳视觉感知属于计算机视觉和人工智能的重要分支,它在水下潜器系统中具有不可替代的作用,主要承担目标探测、跟踪、避障等任务。无论在军事领域还是在民用领域,研究可靠的水下目标跟踪技术都具有重要的意义。本文旨在研究基于前视声纳的目标跟踪的基本思想和基本方法,主要针对DIDSON和Super SeaKing DST两种前视声纳的图像序列进行研究。首先,本文介绍了粒子滤波原理,从蒙特卡罗方法和贝叶斯滤波的思想起源到分析、解决退化问题,为基于粒子滤波的相关跟踪算法奠定理论基础。其次,针对前视声纳的成像特点,本文研究了若干图像预处理方法,包括灰度局部增强、Otsu阈值分割、二值形态学处理、边缘提取等,它们可以在改善视觉效果的同时,为目标特征提取的顺利进行提供可靠的保证。再次,本文分别对目标的几何特征、灰度特征和统计特征的提取进行了研究,多特征融合是构建观测模型的依据。最后,目标跟踪技术主要围绕相关跟踪和基于粒子滤波的相关跟踪两条主线进行研究,文中提出各自的跟踪策略,着重从鲁棒性和跟踪精度两方面评判跟踪性能。其中,相关跟踪部分对DIDSON声纳图像序列进行模板匹配,并对跟踪效果予以评价；基于粒子滤波的相关跟踪对DST声纳图像序列进行单目标和双目标的跟踪技术研究,文中先后构建状态转移模型、观测模型、重采样模型,并对粒子滤波在鲁棒性较强和适合多峰处理两方面的特点进行分析。最后采用的粒子传播半径自适应更新策略和模板自适应更新策略,可以进一步增强鲁棒性、提高跟踪精度。