视觉跟踪是虚拟现实、人机交互、视觉监控等领域内的关键技术，具有巨大的应用前景。由于存在遮挡、图像处理复杂等特点，视觉跟踪的实时性一直难以提高，实时性是目前视觉跟踪技术研究的重点。采用基于红外LED人工标志点可以最大程度减小背景变化对于特征识别的影响，且由于红外目标特征明显，易于识别，在实时视觉跟踪上有非常高的研究价值。本论文研究了基于红外LED标志点的实时视觉跟踪若干关键技术。 基于轮廓提取、区域分割、柱状图的三种思想，找到了三种适合该种方式的视觉跟踪的特征提取方法，并且对于这三种方法进行比较分析，综合考虑稳定性、耗时、精度等因素，确立基于轮廓提取的特征识别为最优。研究了基于卡尔曼滤波的运动预测在该类跟踪中的应用，分析了卡尔曼滤波对于提高视觉跟踪实时性的作用，并且从分析图像坐标系下和世界坐标系下两种方式卡尔曼滤波的特点，确定适合于基于红外LED视觉跟踪的方式为世界坐标系下的滤波方式。分析了如何将多相机的特征点信息合成红外LED标志点的世界坐标信息，利用极线约束和预测信息提取合成单个标志点的世界坐标，然后利用空间相互位置约束关系进行多标志的模型匹配。利用简单的设备搭建了实验平台，研发了原型软件系统，对于原型系统的高实时性和强鲁棒性进行了分析，验证了研究思路。 红外特征明显、背景变化的影响小，使得快速特征提取非常方便。卡尔曼运动滤波预测有效减小了特征提取的搜索区域，使得特征提取更为快速，预测结果还可以用于在跟踪失败时代替测量数据，提高鲁棒性。在合成标志点的世界坐标，基于多种约束关系，增加了视觉跟踪系统的鲁棒性。所有上述特点都为基于红外的视觉跟踪实时性的提高提供了保障。