视频图像具有形象、直观、生动和连续的特点,能够更加全面的获取事物的信息,因此它的应用也越来越广泛,在安防,交通,医学,工业生产等方面发挥着越来越重要的作用。随着计算机视觉技术、通信与半导体技术、网络技术的快速发展,机器视觉也越来越成熟。这些技术共同推动着视频图像的智能化应用。当前对于视频图像的研究热点之一,就包括运动目标跟踪,它是计算机视觉中的一个重点。当前对于运动目标的研究主要集中在单个摄像头的跟踪,但此类研究存在遮挡问题,监控区域小等问题,在实际的应用中存在很多弊端。跨摄像头的目标跟踪,在监控区域上,监控时间上,都能够很好的满足真实环境的应用要求。如何更好的长时间的对车辆目标进行跨摄像头跟踪,是本文的研究目的。为了能够实现跨摄像的车辆目标跟踪,本论文中的算法充分融合了当前最热门的跟踪技术,目标检测技术以及机器学习技术。核心算法由两大部分构成：第一部分是基于金字塔LK光流跟踪的改进算法。这种算法能够在无遮挡的前提下,对目标进行准确跟踪；第二部分是基于随机森林的分类算法。这种算法用2bitBP特征描述样本,通过众多决策树来对样本进行投票判决,从而在跟踪过程中,检测出运动目标。本论文利用了这两种核心算法,对目标跟踪和目标检测的结果进行综合处理,来找出更加准确的运动车辆目标。在对算法进行深入研究后,最后对跨摄像车辆目标跟踪进行了原型系统实现。本文在算法研究和原型系统实现的基础上,重点解决了运动目标跨区域运动时的长时间跟踪容易丢失的问题,有效的结合了机器学习过程,对目标变形,目标阻挡有很强的鲁棒性。经过实验验证,本论文有一定的科学性和指导性。