随着当前科学技术的发展,计算机视觉成为研究热点,越来越多的应用于人们生活的各个方面。其中,图像拼接技术在实际应用中具有广泛的前景,可以应用于运动目标检测、视觉导航等领域。而在这些领域中,许多专家学者也开始把行人检测与跟踪问题当作重要的研究课题。本文关于图像拼接和行人检测与跟踪进行了以下研究:首先研究了图像拼接的基本理论,主要针对图像配准的流程与算法做了介绍。然后提出一种基于ORB(Oriented Brief)特征的匹配算法。介绍了 ORB特征的原理并对提取的特征给出了仿真结果图。然后介绍了本文提出的改进的图像配准流程,主要是中值滤波去噪、PROSAC算法剔除误匹配点及透视变换校正等技术。然后仿真验证算法的可行性,并与SIFT算法和SURF算法进行结果对比。最后采用三组有重叠部分的图片进行拼接,在柱面投影下获得了视角大且清晰度高的图像。然后继续基于提取的ORB特征进行了行人检测研究。首先介绍了行人检测常用方法。然后是本文使用的两种分类算法,Adaboost和SVM(Support Vector Machine)算法的原理介绍。接下来分别基于ORB特征结合上述两种分类算法进行实验,另外使用了基于HOG(Histogram Of Gradient)特征在两种分类算法上对同一视频图像的行人进行检测,四种算法检测的结果对比发现:都实现了对行人的检测效果,而基于ORB特征的算法均比基于HOG的算法检测速度快,都使用ORB特征时,Adaboost的算法检测率较低,但检测时间短,而SVM算法检测慢但正确率高,可以实现精确检测。最后在行人检测的基础上又进行了行人跟踪的技术研究。首先介绍了目标跟踪技术的常见算法,特征及性能评判标准。然后介绍了本文要使用的融合ORB特征的粒子滤波算法的相关理论,算法需要经过建立运动模型和检测模型、重采样来实现。接下来分别选取了小区干扰较多的视频和背景变化剧烈的行人视频来仿真跟踪。针对粒子滤波算法,分别使用ORB特征和HOG特征进行实验对比,得出基于ORB特征的算法跟踪速度更快。又在均使用ORB特征的基础上分别选用粒子滤波、MeanShift和Camshift跟踪算法进行实验,发现Camshift存在跟踪失败的情况,MeanShift准确率低于本文的粒子滤波算法。实验结果表明,虽然ORB+粒子滤波算法增加了计算量,但对于分辨率较小的视频,跟踪性能更好,可以实现实时性。论文在完成上述三个内容的算法分析后,针对行人检测和跟踪设计了系统,并进行了系统功能测试与结果分析。