金丝猴是国家一级保护动物,对其进行保护的必要性不言而喻,而行之有效的监测手段是保护金丝猴的重要措施之一。在金丝猴的监测中,数码影像技术由于具有非侵入性、无损伤性和非强制性等优点已经得到了广泛的应用。利用数码影像技术对金丝猴进行监测,可以获得丰富的图像数据。面对众多的图像数据,传统的人工处理与分析方法需要大量的人力和较长的时间,导致数据不能及时处理,从而严重降低了其实际应用价值,因此自动化监测需求很大。如何能够对自然场景下金丝猴进行检测和跟踪是自动化监测首先需要解决的问题。但是,通过对金丝猴视频进行分析,在自然场景下对金丝猴进行跟踪还存在着一系列问题。一方面,金丝猴生存在野外,分布区域较广,不同区域的环境差异较大。另一方面,金丝猴具有敏捷迅速的运动天赋,由金丝猴运动所导致的非刚性变换是金丝猴跟踪过程中另一个突出的难题。针对以上难题,本文的主要工作如下:(1)针对TLD易受复杂环境影响导致跟踪失败的问题,给出了基于深度学习目标检测器PVANET(Performance Vs Accuracy Net)与TLD(Tracking-Learning-Detection)的金丝猴单目标跟踪算法,简称为PTLD。该算法对于图像序列的第一帧,使用PVANET检测器确定金丝猴位置,训练TLD的检测器;如果当前图像帧不是第一帧,并且目标未在上一帧丢失,则使用TLD算法进行金丝猴的跟踪;如果当前帧不是第一帧,但是目标在上一帧丢失,则使用PVANET检测器重新确定目标位置,更新TLD的检测器,之后继续使用TLD进行跟踪。实验结果表明,PTLD结合了PVANET与TLD的优点,速度快,准确率高,能够较好的对自然场景视频中金丝猴进行单目标跟踪。(2)为了跟踪视野中的所有金丝猴,给出了一种基于PVANET与核化相关滤波器(Kernel Correlation Filter,KCF)的金丝猴多目标跟踪算法。该算法首先通过目标检测器PVANET进行多目标检测,获得目标检测结果。然后,为每一个目标对象创建一个KCF跟踪器,在这种情况下,每一个目标都被跟踪。该算法通过在KCF跟踪器和PVANET检测器之间进行数据关联和目标状态更新来解决尺度变化、目标交叉、遮挡和目标丢失等情况。实验结果表明,基于PVANET与KCF的金丝猴多目标跟踪算法能够较好的对自然场景视频中金丝猴进行多目标跟踪。(3)结合自然场景下金丝猴单目标跟踪算法和多目标跟踪算法的研究成果,基于Qt设计实现了金丝猴跟踪软件,并分别在PC平台和Jetson TX1上部署应用。该软件包含了文件操作模块、金丝猴单目标跟踪模块、金丝猴多目标跟踪模块、结果显示模块,实现了对自然场景视频中金丝猴的单目标快速跟踪和多目标跟踪,并通过实际场景测试验证了软件的稳定性。