近年来,视频监控系统应用日益广泛,监控系统通常通过同时使用多个摄像机镜头或者旋转相机镜头来增大监控视角,然而这些方法难以实现同时、同步监控。针对此问题,基于鱼眼镜头的监控系统逐渐获得人们的青睐。鱼眼镜头的视角通常达到或者超过180°,与普通镜头相比视角更广,但其成像过程畸变严重。鱼眼视频中的目标不仅存在尺寸、姿态、遮挡问题,还受到形状畸变的影响,因此实现鱼眼视频中的目标快速准确跟踪将会面临诸多困难。本文主要研究了以下内容:(1)针对鱼眼镜头畸变不均匀,使用固定预测区域容易引起跟踪误差的问题,提出了一种基于鱼眼镜头成像模型的区域预测方法。在鱼眼成像模型的基础上,推导出投影点的运动特性,进而确定空间点任意运动时投影点的最大运动区域,最后根据上一帧目标方位及投影点特性得到鱼眼视频目标的预测区域。(2)针对简单背景下目标跟踪实时性要求比较高的问题,本文提出了一种快速、准确的鱼眼视频目标跟踪方法,该算法首先使用OTSU算法对预测区域进行目标分割,然后使用形态学处理办法得到若干连通域。接着计算所有的连通域尺寸,将其与上一帧目标尺寸进行比较、筛选,得到目标候选区域。最后将上一帧中目标的颜色直方图与当前帧候选区域的颜色直方图进行对比,得到相似度最高的位置,即当前帧的目标位置。实验结果表明,可以实现简单背景下鱼眼视频的快速准确跟踪。(3)针对目标与背景对比度较低,跟踪过程易受背景物体干扰的问题,本文提出了一种复杂背景下的鱼眼视频跟踪算法。该算法首先将灰度特征和相对梯度特征相结合得到目标的高维特征,然后对其平均降维得到目标的压缩特征。接着根据投影点的运动特性确定目标对顶点的预测区域。为了适应尺度变化,在块匹配运动估计思想的基础上,对目标跟踪框的顶点分别进行由粗到精的定位,利用压缩特征和贝叶斯分类器计算得到目标的准确位置。实验结果表明,本文算法的跟踪精度明显优于其他对比算法。