斑马鱼奇妙的群体行为引起了科学家广泛的兴趣,其对于人类社会群体智能研究具有重要意义。准确、快速地追踪斑马鱼群体并获取行为学数据,是斑马鱼群体行为学研究的基础。此外,斑马鱼的三维轨迹包含更加丰富的深度信息,对生态系统相关机理的探索与预测至关重要。为此,本文提出一种适用于识别斑马鱼背部纹理的图像特征,基于识别结果实现对斑马鱼个体的平面追踪;进一步的,建立视野融合的立体匹配策略,获得斑马鱼多目标三维轨迹。首先,针对斑马鱼多目标追踪中存在的不同目标之间外形相似这一问题,本文提出了一种改进的HOG特征来计算斑马鱼稳定的背部纹理特征,结合SVM分类机制,实现对斑马鱼个体的识别。主要根据斑马鱼背部纹理的相关性分类HOG特征区域块,同时改变特征块的输出方式,实现对HOG算法的改进,使之适用于描述斑马鱼背部纹理。实验中,对30条斑马鱼生长6周之后的个体进行识别,个体识别正确率达到60%,表明算法的鲁棒性;同时成功实现了对小鼠、果蝇两种典型模式动物的个体识别,进一步验证了识别算法的通用性。然后,针对斑马鱼个体轨迹随机性大这一问题,本文基于个体识别,结合一系列逐级增强的数据关联策略,获得斑马鱼全局平面轨迹。其中,数据关联可划分为基于启发式策略的初始轨迹片段获取、基于时序相关局部分类器的轨迹片段加长、基于全局分类器的全局轨迹连接三个层次,级级增强,确保追踪轨迹的完整性和全局正确性。实验中,对11个包含不同数量和大小的斑马鱼测试视频进行追踪,结果发现,追踪正确率均达到95%以上,效果优于idTracker。更进一步,将本算法应用于斑马鱼抑郁行为实验中,获得有效结果。最后,针对斑马鱼个体间交叉遮挡频繁这一难题,本文建立了视野融合的立体匹配策略,缓解交叉遮挡对追踪结果的影响,最终获得三维轨迹。具体的,本文基于骨架提取将面区域简化为线区域,提高侧面视野中目标检测效率。进一步的,基于对极约束,建立基于轨迹段的视野融合立体配准策略,分别互相利用俯视野和侧视野中未交叉轨迹段,去拼接其中一视野中发生交叉断开的轨迹段,实现三维立体匹配。实验结果表明,本文的方法将侧面视野的目标检测结果正确率提升6.84%,同时获得斑马鱼多目标三维轨迹。