本文通过对Gabor函数的深入分析，从理论和实验的角度分别验证了Gabor函数的平移不变性、旋转不变性、尺度不变性等重要特性。利用由Gabor函数构成的滤波器组对目标进行滤波处理，分析目标在Gabor域中的响应值，利用自适应的搜索窗口找到目标在Gabor域中的响应局部极大值，并将这些局部极大值点作为表征目标图像的特征点。通过对每个特征点周围邻域的响应值之和进行匹配，实现对特定目标的识别。同时，利用Gabor小波自身的特性，将在各个尺度、方向上提取出来的不同特征点对目标进行了重构，验证了特征点的准确性和可靠性。通过重构模板尺度和角度的自适应的变化，实现了利用可变形模板对目标的实时跟踪。 本文研究的主要工作包括： (1)通过对Gabor小波函数的数学含义的理解，明确了Gabor滤波器的构成及其参数含义，对Gabor滤波器具备的平移不变性，尺度不变性，旋转不变性进行了理论上的推导证明和实验的验证。 (2)通过Gabor滤波器组对目标进行滤波运算，在Gabor域内分别提取出目标在不同尺度、不同方向上的相应极大值，并利用这些极大值周围邻域的能量和作为表征该点的特征。利用Gabor滤波器自身具备的多尺度分析的特点，在低分辨率和高分辨率下逐级对特征点进行匹配，实现了对选定目标的识别。 (3)利用自适应算法提取出能够表征图像内容的局部极大值，对Gabor滤波器输出的特征值进行选取，并利用Gabor小波自身的特性对目标图像进行重构，利用相关匹配的方法在匹配过程中不断更新特征点的尺度、方向等参数，达到跟踪过程中模板可变形的目的，提高实时跟踪的鲁棒性。 论文主要创新点： (1)提出了一种自适应的方法，能正确地搜索Gabor滤波器输出的特征响应局部极大值，并通过实验验证了该方法的有效性。利用提取出的局部极大值点对图像进行重构，将重构图像作为相关跟踪的模板，通过变化Gabor函数的尺度、角度参数，实现模板的可变形，