计算机视觉的快速发展使得基于视觉的目标跟踪技术成为备受关注的前沿课题之一。经过众多研究者的不断努力，目标跟踪技术已经得到了长足的进步。该技术已被应用到视频监控、机器人定位与跟踪、多机器人编队及月球探索等领域，具有广阔的应用前景。但是，目前的跟踪算法无法保证在光照变化、目标遮挡及复杂环境下的跟踪效果。所以本文提出了基于极线约束的SIFT特征及粒子滤波目标算法。本文首先详细分析了SIFT算法，在其基础上，提出了改进的SIFT匹配算法。针对经典SIFT算法在匹配阈值放大的同时，匹配精度明显下降的情况，引入了极线约束原理，提出了一种基于极线约束的SIFT改进算法。该算法先用经典SIFT方法分别对两幅图像提取不变特征向量，以低SIFT匹配阈值的方法获得初始匹配对，进而通过RANSAC算法计算极线约束基本矩阵，再以高SIFT匹配阈值获得大量的粗匹配对，并利用极线约束方法剔除误匹配对。实验表明，该方法可以有效地剔除误匹配点，提高匹配精度，同时还可以获得数量较多的匹配对。针对目前非常流行的基于颜色特征或者基于边缘特征等目标跟踪算法不稳定的问题，本文提出了基于极线约束的SIFT特征和粒子滤波的目标跟踪算法。该算法以SIFT特征点的特征向量为特征建立目标模版，并利用粒子滤波方法建立SIFT特征向量的候选模版，以似然函数为目标模版与候选模版之间相似性的度量函数，估计出目标状态，对运动目标进行有效的跟踪。实验表明，该方法解决了背景中存在与目标颜色相似时跟踪不稳定问题，且对于目标位姿或外形发生变化时都具有较强的鲁棒性。本文将提出的基于极线约束的SIFT特征和粒子滤波的目标跟踪算法应用在采用了包容式行为结构的Seekur机器人运动目标跟踪系统中，实现目标跟踪。运用Focus Robotics公司生产的nDepth双目视觉传感器接收运动目标的二维位置和深度信息，弥补了单目视觉无法获得深度信息的缺点。结果表明，配备了双目的Seekur移动机器人能有效地完成运动目标跟踪任务。