仿生眼技术具有可模拟生物眼睛感知外部环境的能力,应用前景十分广泛。而广域监控可解决当前视频监控效率低下的问题,还可提高防护效率。故本文以仿生眼技术在广域监控中的应用为背景,对仿生眼系统中的运动跟踪算法进行研究,具有重要的理论价值和应用意义。TLD(Tracking-Learning-Detection的简称)算法是一种在线学习的跟踪算法,它能够对未知目标进行长时跟踪并且具备目标丢失重检的能力,故本文选取TLD算法作为仿生眼系统的跟踪算法。论文重点围绕TLD算法的研究与改进及其在仿生眼系统中的应用来展开,主要研究工作如下:(1)针对TLD算法检测区域过大,影响算法实时性和准确性的问题,本文采用融入Kalman滤波器的TLD算法,通过预测目标位置,缩小检测区域,减少需检测的矩形框数量,来提高算法的实时性和对相似目标的辨识度,进而提高算法的准确性。实验结果表明,融入Kalman滤波器的改进有效提高了TLD算法的实时性和准确性。(2)针对TLD算法没有限制在线模型的样本数量,导致其在长时跟踪的过程中样本数量不断增大而影响算法实时性的问题,本文设计了一种新的在线模型更新策略,并通过为在线模型设置合理的阈值来限制样本的数量,从而保证算法长时间跟踪的实时性,提高算法的实用性。实验结果表明,改进后的算法在长视频的跟踪实时性方面有明显提升。(3)针对TLD算法在方差分类器中采用初始目标方差的一半作为固定过滤阈值,会造成误判和过滤效果不佳的缺陷,本文提出了一种自适应更新阈值的TLD算法,通过动态更新过滤阈值,可避免误判并减少后续分类器的计算耗时,提高算法的准确性和实时性。实验结果表明,自适应更新阈值的改进明显提高了TLD算法的跟踪准确性和实时性。(4)本文将综合三处改进的TLD算法应用于仿生眼系统中,另外通过引入极线约束对双目仿生眼系统的算法流程进行改进,充分利用双目系统图像的冗余信息来协调左右两个摄像机的TLD执行过程,提高了系统的鲁棒性和实时性。最后,本文以仿生眼系统为基础单元搭建了多摄像机群组系统,实现了广域范围下的视频监控与分析。