计算机视觉是当前计算机科学中的一个非常重要的领域,它是人类感知信息系统的重要组成部分,有相当多的应用,人工智能就是其中之一。在人工智能中,计算机视觉技术被应有于模式识别、三维重建和目标跟踪等等。可以说,计算机视觉与基因工程同等重要,逐步成为未来科学发展的两个重要领域之一。给出一对图像,如何检测并匹配特征是计算机视觉技术的基础。例如,在一个动态环境里,智能决策系统需要检测和匹配图像来分析视觉系统提供的序列图像,根据分析的结果对系统发出指令去完成目标跟踪的任务,此是本文的主要工作。本文重点探讨图像特征匹配技术,以及其在目标跟踪系统中的应用,主要包含两个部分:第一,基于当前流行的多约束条件的特征匹配方法,实现了特征匹配的过程,包括:特征检测、特征描述、特征匹配和匹配过滤。实验发现该方法存在参数阈值难以选取,优质匹配数目少的问题。基于此,本文提出了一种基于极线插入图像的特征匹配方法。基于极线几何原理,通过将极线插入图像的方式对原有方法进行了改进,实验结果有所提高。为了得到更优的匹配结果,本文进一步探索,提出了一种基于极线约束的SURF特征匹配方法。方法锁紧参数,用RANSAC算法可以获得质量高的基础矩阵。该方法实现过程简单,不仅匹配准确度高且能够大大提高正确的特征匹配数,适用于处理不同类型的图像数据。第二,为了将本文的上述方法应用到计算机视觉中去,搭建了一种一致性特征匹配与跟踪的目标跟踪系统,其过程包括:特征匹配,特征跟踪,模型建立,目标模型学习与更新等,实现了优秀的跟踪效果。实验表明,此方法具有跟踪准确性、实时性、目标重拾性和尺度变化的功能。本文还研究了一种更有竞争力的方法,即:基于核相关滤波器的快速目标跟踪。该方法最大特点是跟踪的目标准确且速度快,但是不具备丢失重拾性和尺度变化的功能。