实现动态视觉传感器网络对目标跟踪的前提是能根据全向视觉装置完成目标的识别和方位角的测量。目标识别包括摄像头数据获取、视频图像处理、目标提取。网络布置完成后，用锚节点对网络中的盲节点进行定位，将其变为锚节点。每个锚节点在获得待测目标的方位角数据后，再结合自身位置信息，完成对目标的定位与跟踪。本文针对动态视觉传感器网络中的目标定位和跟踪的有关问题进行研究。根据课题研究对象中存在的问题进行分析并提出解决方法，包括图像预处理、盲节点定位以及目标的跟踪。本文主要研究成果如下。(1)彩色图像的正余弦交叉色差变换方法作为视觉节点处理任务的一部分，该方法用于全向视觉彩色视频图像预处理，是一种将彩色图像转换为灰度图像的方法。它根据色调、饱和度、灰度(Hue Saturation Intensity, HSI)空间图像的特点，分析发现其在进行灰度转换的时候存在同色不同值、同值不同色的问题。为了解决这两个主要问题，设计了一种用于图像分割的彩色图像变换为灰度图像的算法，该算法能够自动的根据图像的色调分布情况，自适应的提取出合适的色差变换参考点。经验证，此算法能有效避免上述问题，取得较好的效果。(2)锚节点竞争定位算法基于全向视觉传感器网络系统节点之间的自定位过程。分析了在对某个特定的盲节点定位时，锚节点对(Anchor Node Pair, ANP)的测量的方位夹角对定位误差系数的影响。提出ANP张度的概念，并据此选择合适的ANP参与定位，减小定位误差，提高定位精度。经仿真验证，算法效果明显。(3)基于优先度的盲节点定位顺序算法分析了伪锚节点(已被定位的盲节点)参与下一个盲节点定位的传递误差，通过推导得出误差二次传递系数矩阵。并由此将张度概念扩展到已经定位了的盲节点(伪锚节点)，使得伪锚节点参与竞争时有据可循。在ANP张度的基础上，提出盲节点定位时的优先度概念。优先度是盲节点定位时，所有ANP的张度的最大值。算法根据盲节点优先度选择下一个要定位的盲节点。经仿真验证，算法效果显著。(4)表面权值锚节点动态调度跟踪算法分析了视觉传感器网络跟踪、定位的一致性条件，并找出一致性条件的两个影响因素：对目标定位过程中同一锚节点的测量数据重复利用、方位线夹角为0。为了满足一致性条件，本文提出了ANP的跟踪调度算法。该算法在误差传递系数阵的基础上，提出ANP权值概念。根据众多ANP在整个区域中构成的权值曲面，选择最大权值所在平面的ANP，对目标进行跟踪。通过仿真，验证算法能够避免定位。