运动目标跟踪一直以来都是计算机视觉的重要研究方向。经过多年的发展，已经取得了不俗的成果，然而在当下依然存在着某些问题，比如在背景干扰、目标形变、目标遮挡和光线变化等因素存在时，跟踪的效果并不理想。考虑到双目视觉可以测量出目标的三维信息，抗环境干扰能力强，本文对基于双目视觉的运动目标跟踪技术进行了研究，主要包括双目摄像机标定、双目立体匹配、运动目标检测和运动目标跟踪四个部分，具体的研究内容如下:　　首先，本文研究了双目摄像机的标定方法:说明了摄像机的标定原理，建立了摄像机非线性模型，分析了四个参考坐标系的转换关系。对标定方法进行了总结分类，选取了应用灵活、快速精准的张氏标定法进行标定，通过实验，求解出了摄像机的内外参数，并对左右图像进行了立体几何校正。　　接着，研究了双目立体匹配算法:列举了双目匹配约束条件，并根据匹配基元的选取和匹配策略的不同，将立体匹配方法进行分类。选取了误匹配率较低的三种算法进行研究，并通过标准测试用例和真实场景对三种匹配算法做了对比实验分析，实验证明SGM半全局立体匹配算法匹配效果好，精度高。利用此方法完成立体匹配环节，生成视差图，为接下来的目标检测打下良好的基础。　　然后，研究了运动目标检测算法:列举了传统的目标检测算法，针对传统方法在复杂环境干扰下误检测的不足，采用了基于双目视觉的运动目标检测算法，并说明了该算法的实现流程。针对现实场景中存在的相似灰度、光照变化和阴影问题等情况，将传统方法和本文算法进行了实验对比分析，实验结果验证了本文算法可以克服复杂的环境干扰，准确地检测出运动目标。　　最后，研究了运动目标跟踪算法:将目标跟踪算法进行分类，选用了适用度高的粒子滤波方法进行研究。分析了粒子滤波的算法原理和实现过程，针对传统粒子滤波方法中背景干扰、特征单一和粒子效率低的问题进行了改进，提出了基于双目视觉和多特征融合的粒子滤波目标跟踪算法。改进算法解决了在目标遮挡、快速移动和多目标交叉等因素存在时跟踪效果不理想的问题，通过与传统算法的对比实验，验证了本文改进算法能够实时精确地跟踪目标。