实时目标跟踪是计算机视觉领域的一个热门应用,也是一项具有实用性研究意义的课题,由于现代社会对跟踪精度的要求越来越高,角点作为图像的关键特征在提高跟踪精确度上存在着优势,本文以此为切入点,对角点检测算法和目标跟踪算法进行研究,并将优化后的角点检测算法应用到跟踪系统中来提高跟踪的精确度。首先,本文在比较分析常用角点检测算法的基础上,从速度和匹配精度的角度,对Harris、FAST以及SURF角点检测算法进行比较分析,综合三种算法在速度和匹配精度上的优缺点,选定SURF角点检测算法,运用到目标跟踪系统中,并在此基础上对SURF角点的描述算法进行优化,与其原算法进行了对比。其次,在确定使用角点检测算法后,本文对运动检测算法和运动预测算法进行深入研究。选择Kalman滤波器和光流法进行测试、比较、分析,基于Kalman滤波器可以准确预测目标所在区域的特点,并结合角点检测算法,提出一种优化后的SURF角点检测与Kalman滤波器相结合的方法,使用Kalman滤波器预测更新算法对感兴趣区域进行快速更新,从而缩小角点检测范围,提高跟踪系统的速度,使其达到实时性的要求。再次,以优化后的算法为基础,本文对实时目标跟踪系统进行实现,将该系统用于排球测试过程中,完成对排球的跟踪,并进行单个摄像头的测距方法的设计,完成排球高度测距。最后,对本文的实时目标跟踪系统进行测试分析,通过摄像头和笔记本电脑的简单连接搭建的测试系统,完成SURF角点检测和Kalman滤波器预测结果测试,通过排球的抛起运动进行实时跟踪系统的跟踪效果测试。