视频目标跟踪是图像处理、模式识别和精确制导领域的前沿研究课题，其主要任务是跟踪图像序列中的动态目标，理解并描述目标物体的行为，进而控制武器装备。视频目标跟踪技术在无人侦察机战场侦察，巡航导弹末制导，以及对地攻击直升机和主战坦克火力控制系统中有重要的应用。因此，研究视频目标跟踪相关技术具有重要的学术意义和实用价值。 视频目标状态的概率分布具有非线性、非高斯、多模态的特点。本文以非线性、非高斯系统的目标状态估计理论为主线，在研究传统的目标跟踪方法的基础上，结合粒子滤波理论和图像处理技术，对目标模型建立、局部特征提取与描述、目标的多特征表达及多源图像融合等几个方面进行了系统地研究；针对其中的多目标跟踪、目标遮挡、目标形变、实时性、多源图像特征融合等问题，结合学术前沿知识和生物视觉特性，研究并提出了新的算法，提高了跟踪的速度和可靠性。最后综合视频编解码、网络通信、运动目标识别与跟踪技术，采用DSP、MCU和FPGA等先进器件，设计完成了一种机载远程目标跟踪系统，具有体积小、可靠性高等优点。可广泛应用于视觉导航，导弹防御，海洋监视，战场监视等相关领域。 本文的主要工作及贡献如下： 1.研究了基于局部特征的视频目标跟踪技术，针对传统光流特征跟踪方法中特征点易于丢失的问题，提出了一种新的基于预测帧、关键帧结构的目标跟踪算法(简称PKOT算法)。该算法将尺度不变Harris特征点提取和SIFT算子描述方法结合，给出了一种新的特征点表示Harris-SIFT，减少了特征点数量的同时，提高了特征点集合的显著性。同时将目标局部特征分布与空间运动信息结合，符合视觉动态感知特性，可以快速、准确地跟踪刚性目标。在此基础上，研究了基于粒子滤波的视频目标跟踪方法，并研究了粒子滤波算法的原理和收敛性，针对粒子滤波的权值退化问题、初始化问题、粒子表示问题等研究了提高粒子滤波器性能的关键技术。 2.依据权重要性重采样后，粒子在各个目标附近分布呈现聚集状态的特点，提出用单个粒子滤波器解决多个相似的目标跟踪问题的思路，进而提出了一种伪粒子滤波的多目标跟踪算法(简称PPF算法)。该算法对粒子的重采样结果进行Mean Shift聚类分析，获得相应目标的粒子子群集合以及相应的不动点。当聚类核函数带宽选取近于目标区域大小时，聚类不动点即逼近目标的最大后验概率分布的数学期望，最后通过数据关联确定多目标的最终状态。无需预知聚类个数，给定核带宽即可完成聚类并确定各目标状态。 3.针对传统目标跟踪中单一信源导致的跟踪不稳定问题，在层次粒子滤波框架下，提出一种多特征融合的目标跟踪算法(简称HPOT算法)。该算法将目标颜色与局部特征信息结合，利用融合后的信息确定粒子的权值，二阶权重更新缓解了粒子退化现象对滤波结果的影响，提高了粒子的置信度和采样效率，降低了经典粒子滤波理论中误匹配导致的错误传播缺陷。与典型的基于边缘特征或颜色信息的粒子滤波器相比，有效的解决了目标形状或颜色模糊而产生的跟踪困难问题，目标部分遮挡情况下也可以完成实时目标跟踪。 4.研究了多传感信息融合在目标跟踪领域的应用，首次将方向区域概念引入图像融合，提出了一种基于方向区域特性的非降采样Contourlet域图像融合算法(简称DWNF算法)。该算法基于人类视觉系统特性和多尺度几何分析理论，针对应用较广泛的多聚焦图像和红外图像，在分解后的不同尺度和方向的子带中结合方向区域特性进行融合，将多传感器数据的互补信息合并形成一幅新的图像。实验表明，方向区域能更好的匹配多尺度几何分析的特性，具有更强的图像几何特征的表达能力，融合图像很好的保持了原始图像的不同特征，提高了目标跟踪的效率。 5.综合H.264视频编解码、网络通信、运动目标识别与跟踪技术，设计实现了一种机载远程目标跟踪系统原理样机。该系统实时向地面设备发送系统状态、压缩视频码流和必要的参数，并执行地面控制指令。地面跟踪设备完成目标跟踪任务，通过无线信道向机载设备发送控制指令和数据。该系统为单板结构，采用DSP、MCU和FPGA等先进器件与设计技术，满足机载设备使用要求。该系统的主要特点有：嵌入式设计，硬件实时压缩与传输，交互式目标跟踪，实时飞控指令，飞行数据记录等。该系统体积小，安装方便，可广泛应用于无人机数据通信、视觉导航、海域、战场探视等领域。