影像运动目标跟踪是目前国内外在摄影测量与计算机视觉领域的一项重要且传统的研究问题,近五十年来得到了广泛研究,直到目前也是摄影测量与计算机视觉领域中重要的研究方向之一。根据过去的研究历史以及目前的研究现状可知,影像目标跟踪虽然得到了长时间的研究,也取得了较大研究进展,但是在复杂背景下的影像目标跟踪仍然没有得到很好的解决,主要原因是视频影像中存在的目标形状变化、遮挡及三维影像信息较少等因素对目标跟踪的影响,这些运动目标的影像都具有连续且光滑的非线性递变规律,需要通过成套的理论和方法进行分析、提取和建模才能进行实时、稳定和准确的跟踪,所以建立非线性递变特征与运动目标之间的联系将会给复杂背景下的影像目标跟踪带来巨大帮助。本文针对目标跟踪过程中形变、遮挡以及三维影像信息较少导致的目标丢失问题,进行了深入的分析和研究,提出了一种新的软特征目标跟踪理论及其应用方法,然后针对软特征目标跟踪基础理论、横向视角下软特征目标跟踪、纵向视角下软特征目标跟踪以及三维软特征的目标跟踪问题进行了系统的理论研究、方法设计和实验对比分析,将软特征理论在不同视角下目标跟踪中的有效应用做了深入的研究和探讨。软特征目标跟踪方法的总体思路:首先,本文在生物“视觉单元”协同工作的方向上,提出了一种以视觉量子为核心的横向视角下软特征协同跟踪方法,利用视觉量子的频率阶跃不变性实现横向视角下的“生物视觉”跟踪;然后,针对目标在形变过程中其前景区域的灰度特征具有可微分的同频率变化的特点,提出了一种纵向视角下软特征前趋预测跟踪方法,通过提取目标谱带信息以及建立软特征约束模型实现前趋预测跟踪;最后,为实现对运动目标的精确跟踪,提出了一种基于三维软特征模型构建的目标跟踪方法,利用三维软特征的空间分布约束规律,实现对运动目标的快速识别和准确跟踪。经过大量的国际标准数据库测试以及实际的现场应用测试表明,利用横向、纵向、三维视角下的软特征目标跟踪方法可以克服形状变化、遮挡和三维影像信息较少对目标跟踪的影响,具有较高的实时性、准确性和很好的鲁棒性。与目前国际上先进的目标跟踪方法相比,该方法的优势在于:（1）横向视角下软特征目标跟踪方法抓住了变结构运动目标前景与背景交界处具有的能量频率阶跃不变性的特点,将阶跃不变特征采用多个具有独立性和约束性的视觉量子进行描述,可以有效克服形状变化、尺度变化等变结构因素对运动目标跟踪的影响;（2）纵向视角下软特征目标跟踪方法抓住了目标在形变过程中其前景区域的灰度特征具有可微分的同频率变化的显著特点,对目标形状变化和尺度伸缩具有很好的抗干扰性,同时采用前趋冲击强度对目标前趋进行预测,可以很好的解决目标受到遮挡而导致丢失的问题,使得本章方法具有较高的准确性、稳定性和很好的鲁棒性能;（3）三维软特征目标跟踪方法通过视觉场空间中运动目标的频率提取,构建目标的三维软特征模型,实现在二维图像快速处理的基础上融入三维信息,提高了利用三维软特征模型进行目标识别的性能,同时利用该模型对目标图像进行跟踪,其实时性和准确率较高。