光学跟踪测量系统在武器试验过程产生大量的图像数据,处理这些数据可以得到武器的轨迹与姿态、光学辐射特性等参数,为武器鉴定与故障分析提供重要的数据支持。目标检测跟踪与判读方法是光测图像数据处理的关键技术,通常先检测目标,再跟踪目标,最后判读特征。为了满足多样化的试验任务需求,实现实时数据处理,提高分析的自动化程度,需要研究高效、精确、适应性强的检测跟踪与判读方法。本文主要面向光测图像实时处理。在运动目标检测方面,研究了适用于固定视场的背景剪除方法,以及变化视场的运动检测方法;在目标跟踪方面,研究了基于外观增量学习的目标区域/轮廓跟踪方法,以及基于跟踪-检测-学习的目标区域跟踪方法;在特征判读方面,发展了基于二维/三维模型的特征定位方法。在上述研究方法基础上,设计并实现了光测图像实时判读解算系统,该系统成功应用于多类靶场光测试验,满足用户实时获取并分析试验数据的需求。本文的主要研究成果包括:1)提出一种基于时空样本的自适应混合背景建模方法,由于同时考虑邻域像素的位置与外观信息对当前像素的影响,可以实现固定场景中运动目标的高质量检测,特别是低质量图像序列,如有噪声或压缩视频;2)提出一种基于密集光流和单应约束的近平面场景运动目标检测方法,由密集光流计算场景的单应约束,不符合约束的像素集合即为运动目标,该方法相比帧差方法检测更准确,相比多帧方法计算更高效;3)在基于检测的跟踪框架基础上,构造空间金字塔,定义纹理和形状的二值特征,据此提出一种支持特征在线选择的混合随机朴素贝叶斯视觉跟踪器,可以适应目标发生外观变化、受复杂场景干扰和光照变化影响、存在部分遮挡等情况;4)给出一种跟踪-检测-学习算法的自适应加速实现,通过并行跟踪与检测过程,加速算法运行,增加特征选择与在线尺度估计机制,提高算法适应性,算法可以适应目标尺度变化、反复进出视场等情况;5)在基于分割的跟踪框架基础上,提出一种基于高斯混合模型在线学习的轮廓跟踪方法,由于采用多模态外观描述,可以精确快速地跟踪分割颜色复杂的目标;6)提出一种基于二维/三维模型的特征定位方法,通过形状匹配/模型跟踪,实现实时图像上的特征判读,当目标在图像上的纹理或特征不明显时,仍然可以实时精确地完成分析任务。本文提出的方法进一步扩展可应用于视频监控与运动分析等其它领域。