多摄像头协同的跟踪监控系统能够在无人值守的野外自然环境下全天候的监控入侵目标,并对其监测到的目标视频序列进行计算机视觉处理,对运动目标进行检测和跟踪。在有限环境的前提下,通过合理布置摄像机位置,既能保证监控网络的视域宽广、全方位监控的优势,又能提高系统跟踪精度、降低跟踪失败频率,在军事、环境、家庭生活和其他商业领域有着广泛的应用。首先,针对摄像头下的视频目标跟踪,本文采用帧差分法对视频序列中的运动目标进行检测,分别提出了卡尔曼滤波(Kalman Filter,KF)算法和扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法对目标进行跟踪,通过MATLAB软件仿真对比分析了两种算法,得出EKF算法相比KF算法具有更高的准确性。同时针对目标跟踪时产生遮挡导致跟踪精度降低的问题提出改进,将EKF结合均值漂移算法(Mean Shift)算法仿真实现,得出该方法对目标遮挡具有很高的鲁棒性。其次,为了解决多摄像头之间的协同调度问题,根据其视野受限、目标运动状态不稳定等问题,本文采用具有重叠视域的多摄像头监控系统。为了实现摄像头之间的目标交接,根据摄像头坐标系之间的关联,提出了基于单应性变换的目标交接方法。针对该方法分别提出了尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法以及加速稳健特征(Speeded Up Robust Features,SURF)算法进行特征点匹配,仿真对比分析得出SURF算法相比于SIFT算法具有更高的匹配精度。然本文在SURF算法的基础上进一步优化,结合了随机采样一致性算法(RANSAC)来对误匹配点对进行自动删除,大大增加了匹配的精度,为实现目标交接奠定了良好的基础。本文运用此改进方法仿真实现了图像融合、目标交接等过程,相对于单摄像头具有较好的稳定性和鲁棒性。