视频目标跟踪是计算机视觉领域的核心问题,在民用和军事上都具有广泛地应用,如智能监控、人机交互、机器人导航、医学诊断以及精确制导武器等,近十几年随着信息技术的快速发展,目标跟踪吸引了众多研究者的关注,成为热点研究问题。　　 随着目标跟踪技术的不断发展,对跟踪结果的要求不再满足于仅得到目标的位置信息。传统的跟踪方法采用固定大小的矩形框来描述目标的状态,随着目标的旋转,缩放和错切等变化,不能准确地体现目标形状和尺寸等状态的改变。以解决此类问题为出发点,本文主要研究在图像目标发生形变的情况下如何获得理想的定位跟踪效果。　　 文章首先对目标跟踪问题进行了综合性的论述,讨论了目标跟踪问题的分类,介绍了跟踪技术中目标对象的表征形式以及建模的视觉特征。阐述了现今较为流行的目标跟踪算法种类及它们的优缺点。给出了评价跟踪算法性能优劣的标准,指出了目标跟踪技术所存在困难与挑战。　　 在分析了多种能够反映目标运动变换形式的图像几何变换模型基础上,根据其在跟踪应用中的特点,本文选择仿射模型和透视模型作为目标的运动模型,将运动参数的估计作为研究对象。　　 对仿射模型参数的估计,本文选择了基于灰度模板的跟踪算法,通过定义的一种相似性测度函数来度量它与参考图像的相似程度,并且不断地迭代改变变换参数,使得相似性测度函数达到最优,即最终把问题转化为多参数多峰值离散最优化问题。本文采用了多分辨率分层搜索与菱形搜索模式相结合方法优化了初始估计值。同时研究了一种适用于仿射变换的模板更新策略,在保证迭代匹配算法稳定的前提下,有效的更新了模板的内容和尺寸,使之具有一定的抗三维旋转能力。利用分块子模板提出了一种应对目标遮挡的处理机制,使得整体跟踪算法具备了较高的鲁棒性。　　 考虑到角点具有对于图像的平移、旋转、尺度缩放、亮度变化和噪声等具有良好的不变性,本文提出了一种利用图像序列中目标角点特征的映射关系来估计目标的透视变换参数的算法。　　 通过理论分析和实验验证,本文所提出的算法在目标图像跟踪中,尤其是在目标发生仿射或透视变化的应用场合下,能够得到理想的跟踪结果。