摄像机跟踪是计算机视觉的一项重要任务，在许多应用中都有着十分重要的意义。摄像机跟踪是通过摄像机拍摄的视频图像来恢复摄像机在场景中的运动轨迹。摄像机跟踪方法中首先需要提取图像序列的特征点，并对特征点进行匹配和跟踪，然后在图像序列中选择关键帧，最后根据匹配的特征点求解关键帧对应的摄像机参数。特征点提取及匹配模块严重制约了整个摄像机跟踪的处理速度，同时摄像机模型以及关键帧的选择策略不仅会影响摄像机轨迹的求解精度同时会影响摄像机跟踪的处理速度。在特征点提取及匹配模块，本文提出了一种快速的特征点提取及匹配方法，不仅可以快速提取特征点并进行匹配，同时可以保留特征点的尺度及方向信息。首先构造原始图像的拉普拉斯金字塔，以获得图像的尺度信息，同时保留图像的方向信息。构造了特定的非均匀多方向滤波器组将金字塔图像分解在不同方向上，在分解后的图像中提取局部极值点作为候选特征点集，使用特定的合并策略合并候选特征点最终得到特征点集。在高斯金字塔中采用二值描述符对特征点描述。由最小距离及次小距离确定匹配特征点对，使用误匹配阈值在一定程度上避免了误匹配，同时使用RANSAC算法消除误匹配的特征点对。实验说明在保证匹配率与正确率的前提下本文的特征点提取及匹配算法相对于摄像机跟踪中现有的一些算法在处理速度上有一定的提高。在求解摄像机轨迹的方法中，本文构建了精确的摄像机模型，并根据特征点匹配的结果对关键帧进行选择，然后对构建的摄像机模型求解，能够有效提高摄像机跟踪的速度。在求解摄像机内参数时，根据摄像机跟踪技术的应用环境不同采用两种策略进行求解。同时提出了一种关键帧选择策略，根据特征点匹配结果在整个视频序列中将特征点的轨迹按生命大小排序并进行分层，关键帧根据分层后的轨迹进行提取。求解关键帧对应的摄像机参数，不仅提高了摄像机参数的求解精度，同时也有效提高了摄像机跟踪的速度。通过对大量的视频进行实验，验证了本文算法能够快速有效地恢复摄像机轨迹。