本文讨论用于基于PC平台的AR(Augmented Reality,增强现实)系统中的动态目标跟踪技术.目标跟踪技术是AR技术的一个重要组成部分.AR系统根据用户的视点为用户显示对应的场景,由于AR系统中的许多图像都是由多边形构成的图形,场景图像的变更也就是图形的更新.如果希望做到为用户显示的场景没有闪烁,图像的更新频率必须达到25~30帧/秒.而生成什么图形与用户的视点位置和视线方向密切相关,因此AR系统必须实时跟踪用户的视点并计算出其空间位置和方向,跟踪的速度必须满足上述频率要求.在AR系统中通常用3D传感器(电磁或者声纳)来测量目标物体的位置和方向,但是这两种方法受到跟踪精度和跟踪距离的限制<[1][2]>.利用立体视觉技术来跟踪增强现实系统中的目标物体可以克服3D传感器所具有的缺点,因而越来越受到广泛的重视.但是,由于基于立体视觉的目标跟踪算法需要的计算量很大,在实际的应用中系统跟踪目标物体的实时性受到限制.所以,提高实时性是基于视觉技术的目标跟踪需要解决的一个关键问题.提高跟踪系统的实时性有三种方法可供选择:1.选用快速硬件,降低指令周期减少处理时间;2.对算法进行优化,采用更优的处理技术,降低任务的复杂度,从而降低整个处理时间;3.采用多机解决方案,多个处理单元作为一个系统协同工作,并行处理用户任务.使用快速元件受其物理极限的影响,很难大幅度提高目标跟踪系统的实时性,而且成本也太昂贵.为了避免使用高性能图形工作站,降低系统成本,本文研究在PC机上采用优化算法和多机并行的解决方案来提高跟踪系统的实时性.研究采用安装在目标物体上(AR系统用户的视点)反映目标物体位置和方向的人工标志来简化目标提取过程,并给出了满足AR系统实时性要求的、安装在运动目标上的人工标志特征点提取和匹配算法.然后,使用一个可以跟随人工标志在图像中运动的跟踪窗口减小人工特征点提取的计算量,并使用卡尔曼滤器预测跟踪窗口中心的轨迹.最后,利用MPI并行技术将跟踪算法分解为三个节点进程,由三个CPU并行执行以进一步减少处理时间.本文实验所用的图像均是由CCD摄像机在自然光照条件下采集的工作场景图像,文中的算法用VC++语言在Windows NT平台下编程实现.