目标跟踪方法的研究和应用是计算机视觉的一个重要分支。目前广泛应用于科学技术、国防建设、航空宇航、医药卫生以及国民经济的各个领域。实现目标跟踪的关键在于较好地分割目标、合理地提取和选择特征以及准确地跟踪目标,同时要考虑算法的实时性。本文研究的长序列目标跟踪算法包括特征提取、特征点匹配和模板更新三个主要步骤,着重讨论了特征点匹配算法和模板更新策略。本文主要做了以下工作:(1)结合光流法与颜色密度分布的点匹配算法为了更精确地近似表示目标的形变,使用8个参数向量构造的一个变换矩阵,两幅图像中的对应点通过变换矩阵与逆变换矩阵相互映射。将这个参数向量代表的点映射关系用于光流法图像配准和颜色密度分布的匹配方法,再用M-估计器迭代联合估计更新参数。光流法的图像配准有很高的精度,但需要目标区域在两幅图像中的重合度较高,基于颜色密度分布的点匹配算法对位移和形变不敏感,而匹配精度又不高。结合这两种算法优点的特征点匹配算法既对较大的位移、旋转、缩放和形变不敏感,也有很高的匹配精确度。(2)新的模板更新策略在经典的模板更新策略的基础上本文提出了新的更新策略,由于本文特征点匹配算法对目标产生较大位移和形变的等情况不敏感且精确到亚像素,本文模板更新思路是尽量少的更新模板以防止模板漂移维持跟踪精度,并使用目标的颜色分布信息的估计参数来建立判别式,通过对比目标与模板颜色分布的误差来判断是否更新当前模板。(3)实现了一个长序列图像目标跟踪软件本文实现的跟踪软件主要由三个模块组成:数据读取和显示模块、图像预处理模块和目标跟踪模块。图像预处理模块中加入了一些经典的特征点检测和边缘检测算法,这些目标特征检测算法有助于对目标的特征进行选取。在目标跟踪模块中,实现了本文的长序列图像目标跟踪算法,并另外加入了模板匹配和Mean Shift跟踪算法,以利于算法性能比较。本文第四章详细介绍了软件的设计与实现。通过实验,对本文的跟踪算法进行了测试,并与其他经典跟踪算法进行性能比较。实验证明,本文的跟踪算法跟踪精度很高,与模板匹配和Mean Shift跟踪方法相比,具有长序列图像中目标产生各种形变、光照变化和目标短时遮挡的情况下完成有效跟踪的优点。