本文对单目标连续跟踪系统进行了研究,尝试将单机跟踪算法扩展到多机连续跟踪的情境中。通过将改进的视角变形技术引入跟踪系统,本文首先实现并改进了两种典型的判别式跟踪算法,随后通过整合目标检测与目标重识别算法,提出并实现了一种可以在多机情境下运行的单目标连续跟踪系统,最后使用公开数据集测试并设计指标论证了系统中各个模块的有效性。实验证明:使用视角变形技术后,在目标跟踪与检测等测试中,各个模块的精度、鲁棒性均取得改善。在单机跟踪过程中,被跟踪的目标往往是在持续变化的。视平面内的旋转可能会使一些不具有旋转不变性的特征失效,进而导致模型漂移跟踪失败;视平面外的旋转如透视变换等,因为包含高维度的视角变换,仅使用平面信息难以持续稳定地表达目标。本文使用并改进视角变形技术测量目标各部分之间的约束,生成多角度投影图像作为扩增样本改善跟踪分类器性能。在多机跟踪情境中,当目标在不同相机的视野之间移动,需要计算机自行给出每个相机跟踪的初始帧。本文使用目标检测与重识别技术构建多机连续跟踪系统框架,使用视角变形技术改善检测器的性能。同时提出了一种还原跟踪过程的目标检测与识别评价指标,通过该指标验证视角变形技术对分类器的增强。视角变形技术通过提供多角度的样本增强分类器的泛化能力,最终提升了分类器的正确率。未来,视角变形技术可以应用在更多样本数量和多样性受限的场合,作为一种数据扩增手段改善系统的性能。