论文以复杂背景下的运动目标跟踪问题为研究对象，从基于目标特征的跟踪与基于目标模型的多摄像机协同跟踪两个方面展开研究。论文研究了基于特征点的目标检测技术与跟踪方法，在提取目标SURF特征的基础上利用区域预测思想和误匹配检测机制，改进了一种结合SURF特征和Kalman滤波的单目标跟踪算法，实现了对特定目标的持续稳定跟踪。并将该单目标跟踪算法扩展应用到多摄像机协同跟踪问题中。在多摄像机协同中采用传递多个基于SURF特征的图像模型的目标交接方法，实现了基于多摄像机协同的目标稳定交接与目标持续跟踪。本文的主要研究工作有：①研究了基于特征点的目标检测技术方法。对传统特征点检测算子Harris算子和局部不变性特征检测算子SIFT算子，以及对SIFT改进的SURF算子进行检测性能比较。通过提取速度和检测精度指标参考下，选择一种检测算子作为基于特征点的目标跟踪方法研究的基础。②传统的SIFT跟踪算法存在的计算量大和跟踪精度偏低的问题。在提取目标SURF特征的基础上，利用提出了基于区域预测思一种想和误匹配检测机制，改进了结合SURF特征和Kalman滤波的单目标跟踪算法，实现了对特定目标的持续稳定跟踪。通过比较与Mean Shift算法、模板匹配算法与SIFT跟踪算法的跟踪性能，结果表明，改进算法的跟踪性能高于其它几个算法。③本文对多摄像机的目标协同跟踪的一些关键技术与问题展开了分析研究，着重研究了基于目标模型的目标交接算法。将改进的单目标跟踪算法扩展应用在多摄像机协同跟踪问题中。并在多摄像机协同中，采用传递多幅模板图像的方法，这些模板反映目标的多角度信息，在目标匹配时能够更容易成功。实验结果表明，基于SURF特征模型的目标交接算法具有简单实用、准确率高等优点。最终，实现了目标的稳定交接和持续跟踪。在本文的最后，认真总结了本文的重点研究工作，并尝试分析了目标跟踪研究工作的不足之处和可能改进的方向。