目标捕获已深入航空、军工、视频监控等诸多领域。现阶段的目标捕获算法大多是手动捕获或是半自动的目标捕获,捕获的过程需要人工干预。当目标具有较快的运动速度时,手动方式不能实时捕捉目标,某些恶劣的自然环境条件也无法进行人工干预。目标自动捕获的研究可以突破传统捕获方式需要人工干预的瓶颈,实现对运动状态多变目标的捕获。目标自动捕获包含目标的捕捉和获取两大步骤,现在主要面临的问题是如何从捕捉到的大量疑似目标中快速获取真实目标。针对上述问题,本文提出了动态模型目标捕获方法和静态模型目标捕获方法,利用目标自身的特征信息快速获取目标。动态模型目标捕获方法主要利用交互多模型估计的结果滤除光流方法输出的特征点,进而减少目标筛选过程中大量特征点所消耗的内存和配准这些特征点所带来的运算量。动态捕获方法利用目标的运动参数巧妙的滤除疑似目标。静态模型捕获方法根据目标边缘特征提取规则目标的长度、宽度、中心信息和非规则目标的形心信息,并运用交互多模型估计的结果决定是否将最新的静态特征信息视为模型。将不断学习的静态参数引入目标获取的过程,使得捕获方法能够适应目标形态的变化。为验证两种方法的可行性,利用Matlab和Visual Studio软件平台以及Open CV库实现相关算法。动态捕获方法在捕捉自行车、摩托车、行人目标的过程中,能够根据目标不同的状态调整滤除特征的阈值,利用较少的特征点快速准确的捕获目标。静态捕获方法通过不断学习人脸和汽车目标的形心特征,在捕获过程中适应目标形态的变化,简化目标获取的过程。