图像跟踪主要是通过图像处理技术，在图像中搜索运动目标的位置，通过对目标的检测定位而实现跟踪。它涉及到计算机视觉、图像处理、模式识别、自动化控制、人工智能等多个学科领域的知识，并在实际中有着非常广泛的应用前景，包括安全监控、军事应用、医疗诊断、智能导航、人机交互等。目前的视频跟踪技术尚未成熟，在发展过程中始终面临各种技术困难，例如:由目标的运动复杂度引起的尺度、形状变化以及方向旋转导致跟踪的鲁棒性和准确性受到影响;复杂背景对图像的区域分割以及目标的准确识别造成障碍;运动目标被部分遮挡、信息不完整时引起的跟踪困难等。　　本文结合高维仿生信息学，提出了一种连续视频图像序列的点对点跟踪算法。首先，综合纹理信息和颜色信息，为图像中的点定义了一种具有高度识别性的特征集;随后，提出了针对该特征的点匹配方法以及相应的目标跟踪方法，并采用方差分析对跟踪结果进行修正。　　与现有方法相比，本文的贡献和创新主要体现在:　　1.提出一种新的局部特征集，对单个的点有较强的表达能力，在一定范围内对尺度缩放、旋转、光照变化、仿射变换和噪声等保持鲁棒，在目标分辨率低下、外观模糊、对比度不强时比Scale Invariant Feature Transform(SIFT)描述子表现更佳。　　2.将该特征运用到视频跟踪领域中，基于相邻帧中物体运动的连续性，提出相应的跟踪算法，在复杂场景中具有较强的鲁棒性。除了跟踪特定目标，该算法能够提供额外的图像渐变信息，作为在高维空间中进行后续处理的基础。　　3.基于高维仿生信息学理论提出移位矢量场的概念，对其基本性质、描述方法以及潜在的应用做了一定探讨。　　此外，出于对运动目标进行检测和提取的目的，本文进行了一部分关于人的视觉机制的显著性研究，主要包括:　　结合同源连续性理论，提出判断背景真实性的方法，并将判断结果作为显著性先验值用于计算中，准确检测出图像的显著性区域。