基于图像的目标自动识别与跟踪技术是世界各国精确打击武器系统急需解决的重要难题,也是计算机视觉领域的研究热点。本文对目标自动识别与跟踪进行了理论、计算、试验三方面的深入研究,主要包括:首次指出了目标跟踪技术中常用的均值迁移方法的本质为一种特殊的高斯-牛顿方法,改进了均值迁移方法步长取值保守的弱点,建立了快速均值迁移方法,证明了该方法的收敛性、有效性以及收敛速度优于均值迁移方法;进行了平面和3维随机分布数据集的最大概率密度搜索对比试验,试验结果表明,快速均值迁移方法大大减少了迭代次数;建立了基于快速均值迁移的目标跟踪方法,利用俄亥俄州立大学提供的乒乓球序列图像和卡斯鲁厄大学的汽车序列图像,对人脸和汽车目标跟踪性能分别进行了对比试验,并进行了高噪声人脸图像目标跟踪试验,结果表明,基于快速均值迁移的目标跟踪方法有效提高了目标跟踪性能,具有很强的抗干扰能力;建立了一种新型彩色目标自动识别方法,采用特征色彩分布函数实现了对任意图像区域特征色彩矢量的快速计算,建立了高效的搜索方法,实现了彩色目标的快速识别;将基于快速均值迁移方法的目标跟踪方法、基于特征色彩的目标识别方法与卡尔曼滤波、PID控制、串行通讯等技术结合,建立了带有控制系统的快速目标自动识别与跟踪系统,并在不同场景下进行了目标自动识别与跟踪试验,验证了快速目标自动识别与跟踪系统的有效性和抗干扰能力。为基于图像目标自动识别与跟踪技术的精确打击武器系统提供了重要的理论基础与技术支撑。