本文立足于智能工厂中安全化和绿色化的生产需求,在工业物联网的基础上结合时空感知、目标轨迹感知和移动边缘计算等技术,分别从时延敏感性和预测性的角度提出两种连续目标追踪算法,并通过仿真分析和验证两种算法的性能。研究成果包括:(1)为满足连续目标追踪中任务的时延敏感性需求,提出一种基于并行优化框架的连续目标追踪算法。算法中提出“控制-边缘-感知”三层网络架构,对每一层的计算方式进行定义,并在计算资源的约束下构建平均时延最小化的任务卸载和分发的联合优化问题。为了解决该问题,提出一种并行优化框架。该框架首先将优化问题分解为子问题,然后结合基于连续目标轨迹感知的任务卸载和分发算法,实现任务解耦、求解子问题和更新问题解的逐步优化过程。(2)针对连续目标的低频和高危特性,提出一种基于状态转移模型的二阶段连续目标追踪算法。算法提出节点追踪状态转移模型,对节点的追踪状态和具体行为进行定义,实现节点在空闲时间保持睡眠态以节约能量。为实现准确的预测式追踪,提出根据扩散阶段划分的二阶段追踪策略,其中包括以节点为单位的离散式追踪算法和以簇为单位的簇间协同式追踪算法,并在两种追踪算法中分别提出了区域唤醒算法以降低追踪误差。仿真结果表明,基于并行优化框架的追踪算法在不同情况下均能有效地降低任务的延迟,满足了任务的时延敏感性需求,基于状态转移模型的二阶段追踪算法降低追踪误差的同时,具有较低的能耗和通信量。