在水路交通中,航行船舶类型日益多样化,船舶航行轨迹日益复杂化。监控船舶活动需要对船舶目标做到实时的跟踪,还要能够识别船舶目标,而传统的船舶视频目标跟踪方法存在跟踪计算时耗大、跟踪准确率有限、缺少识别能力等缺陷,这对于有效及时的指挥调度船舶带来了困难。因此有必要设计一种实时、误差率小、具有识别能力的船舶目标跟踪算法。本文的研究包括目标的特征提取、分类识别、跟踪三个方面。在目标特征提取方面,通过对各种图像特征的优缺点对比,本论文选定提取船舶目标的HOG特征以减少水域环境中其他干扰背景对船舶识别的影响。在目标分类识别方面,SVM模型对目标的原始HOG特征有一定的分类识别能力,但并不是所有的目标HOG特征位包含的都为有效特征,其中掺杂了噪声存在着冗余,并且模型复杂过高,因此本论文引进序列前向选取法对原始的船舶目标HOG特征进行了降噪和特征再选取。但是由于在处理训练样本数据集的时候采取的是交叉验证方法,并且序列前向选取法存在只能加入不能去除特征的缺陷,因此由其选取的最优特征具有不确定性并且关联性强。针对上述缺陷,在序列前向选取法的基础上,本文提出了一种特征位得分系统从而挑选出了船舶HOG特征中的最优特征位。在目标跟踪方面,本论文引进STC算法来对船舶目标进行定位。虽然STC跟踪算法计算速度快并且跟踪准确率高,但是当目标被遮挡时,会发生跟踪目标跳变的情况。本论文通过模板匹配算法对跟踪目标进行检测,改善了 STC的这一缺陷,从而提升了其跟踪性能。实验证实,本文船舶识别与跟踪算法能够实时、稳定且准确地识别跟踪船舶目标。