随着视频监控系统被广泛用以多个领域，为了扩大监控视场的范围，多个相机的联合跟踪成了一个研究热点。多相机的联合跟踪分为相机间有重叠视域模式和无重叠视域模式两种。无重叠视域模式因其相机间的监控视场范围较大而受到了广泛的应用。　　无重叠视域模式的视频监控具有时空不连续性，导致目标物的运动轨迹不确定;而且，不同相机视野内目标的大小、以及姿态都会发生变化，因此，目标的位置关系、大小、以及姿态不适合作为目标跟踪时的匹配特征。　　颜色特征对时空不连续性具有很好的鲁棒性，因此，取颜色作为目标跟踪时的匹配特征是最佳的选择。然而，由于不同光照环境情况下，拍摄的目标物颜色值与其本身的物理颜色具有一定的差异，导致了在不同光照环境中，相同目标的颜色特征的不一致。因此，在多相机的目标联合跟踪过程中，克服光照环境变化对目标物颜色的影响、以及准确地提取目标物的颜色信息，是保障目标跟踪准确性的关键。本文根据光照环境变化情况的不同，分别对简单光突变照环境，以及复杂光照环境下的人体目标识别进行了深入的研究分析。　　针对简单光照突变环境情况下的目标识别，本文首先根据Kubelka—Munk理论提取了一组基于边缘信息的颜色不变量因子，并通过Diagonal-Offset模型获取的基于不变矩的颜色不变量因子，消除光照强度和散射光的影响，以提高简单突变光照环境下的人体目标跟踪的准确性。　　针对出现树叶缝隙透出的光照强度呈斑驳纹理之类的复杂光照环境情况下的目标识别，本文首先根据Retinex成像模型，提取目标的反射本征分量，抑制多变光照环境对目标物颜色的影响程度，之后，对后续帧中的目标进行颜色传递处理，以进一步降低环境变化对目标颜色的影响，然后，将人体目标分为上半身与下半身并求其颜色特征，以降低运动目标在行走时姿态变化对目标颜色特征的影响，最后，通过对多个特征的加权融合匹配，提高光照强度变化环境时人体目标匹配跟踪的准确性。　　为了验证本文算法的有效性，采用国际标准测试数据库的目标数据，以及实际拍摄的视频进行了测试实验，以及与若干参考文献方法的比较测试实验，实验结果表明，本文方法可以提高依据颜色信息对人体运动目标跟踪的准确率。