平面目标跟踪是计算机视觉中一种重要的三维跟踪技术,其技术核心是如何对各种复杂环境下具有平面结构的物体实现有效而准确的跟踪,现已广泛应用于增强现实、无人驾驶和机器人技术等诸多领域。目前,平面目标跟踪算法虽然已经取得了不错的成果,但面对恶劣的跟踪条件,现有算法依旧无法完全适应各种具有挑战性的干扰因素。特别是针对一些背景纹理复杂、视点变化剧烈、目标信息缺失和外观形变较大的场景,算法稳定性不足,准确性也难以满足实际需求。本文提出了一种基于多重二维约束和三维优化的平面目标跟踪算法。该算法主要包括光流初始跟踪、线段集提取、多重约束构建、单应性矩阵矫正和三维优化等步骤,其中多重约束和三维优化是本文的工作重点,具体内容如下:（1）利用线段几何属性、线段间重合度和边缘线段特征设计了一种多重约束筛选框架,用来跟踪平面目标的边缘线段。首先,建立几何属性判别式,根据组合概率排除边缘候选集中的干扰线段。其次,使用定积分原理定义重合度函数,通过相邻帧的边缘重合度进一步筛选候选线段,避免少许断裂线段受相似背景颜色影响而出现错误匹配。然后,采用Lab模型颜色特征和像素梯度值构建一种具有高识别性和唯一性的线段描述子,并加入比例因子和权重参数,使其更好地适应于目标外观的大小变化。最后,结合上述约束实现边缘匹配,再借助单应性矩阵进行边缘修补和形状矫正。（2）为了减少实际跟踪过程中目标信息缺失、图像边缘模糊等因素对二维约束的负面影响,本文假设平面目标在真实世界中的位置固定不变,并基于这一性质创新性地提出了一种利用空间三维信息矫正目标二维位置的优化策略。首先,通过拟合边缘获取两组消失点。然后,使用消失点求解单帧相机参数,并恢复目标的三维坐标。最后,对所求空间三维点进行重新投影,得到最终的跟踪结果。（3）采用最新的公开视频集POT数据集验证所提算法的有效性、准确性和鲁棒性。分别在尺度变化、旋转、透视形变、目标遮挡和超出视野等多种复杂场景下,与当前多个主流的平面目标跟踪算法Gracker、GO-ESM等进行了充分的实验对比,并从视觉效果和误差数据两方面作了定性和定量分析。实验结果表明,针对各种户内户外场景,本文算法能够实现有效、准确和稳定的跟踪,整体精度较Gracker提升了39%,与其他方法相比也具有一定的优越性。