在智能视频监控领域,通常采用图像拼接和目标跟踪技术获得大的监控视野以及目标行驶的连续轨迹,但目标跟踪技术以及图像拼接的相关技术如特征点匹配方法和图像融合方法在光照变化、噪声、遮挡、运动模糊等方面有着苛刻的要求,为此论文针对上述三种方法进行了深入研究,具体研究内容如下:局部不变性的特征（ORiented Brief,ORB）方法在图像噪声影响下,误匹配率高,为此提出了基于距离融合的图像特征点匹配方法。采用加速稳健特征（Speeded Up Robust Features,SURF）算法提取特征点,利用二进制鲁棒特征（Binary Robust Independent Elementary Features,BRIEF）方法进行特征点描述,在特征点邻域内随机点对灰度大小编码的基础上,融入随机点对灰度幅值比较信息。采用自适应融合方式将两种汉明距离进行融合以此实现特征点相似性距离度量。相比于传统的ORB方法,改进的方法具有更高的特征点匹配正确率,其匹配方法可用于改善图像拼接的性能。传统的渐入渐出方法无法消除因图像间局部亮度不均造成的拼接缝隙,为此提出了改进的渐入渐出图像融合方法。将待拼接的两幅图像重叠区域内像素点的值以非线性变化的权值进行融合,以此来消除拼接缝隙。相对于传统的渐入渐出方法,改进方法能显著提高图像融合效果。核相关滤波跟踪算法在跟踪过程中受光照变化、遮挡和运动模糊等因素的影响,无法精确定位目标位置,为此提出了一种改进的跟踪策略。设计了一种新的色度梯度直方图（Histogram of Hue Gradient,HHG）特征,并与方向梯度直方图（Histogram of Oriented Gradient,HOG）串行连接构造联合HOG-HHG特征。分别提取目标的颜色命名（Color Name,CN）特征和HOG-HHG特征,构造其核相关滤波分类器,建立相应的跟踪场景响应图,通过两个响应图的自适应融合来提高跟踪过程中复杂情况下的跟踪鲁棒性。根据峰值旁瓣比及其差值设计了模板更新策略,提高目标模型的稳定性。该方法对光照变化、遮挡及运动模糊具有较好的跟踪适应性,且其跟踪精确度和跟踪成功率均得到了提升。完成了基于语音交互平台的监控系统搭建,结合上述研究内容提出了一种复合跟踪策略,并应用于此系统,实现自动选定跟踪目标、播报丢失内容以及连续跟踪的功能。