随着图像处理技术、模式识别、自动控制以及计算机视觉等领域的高速发展与进步，视频监控系统被广泛应用于军事安全和民用安全领域。多摄像机系统具有监控范围大、监控角度广的优势，而运动目标的关联研究是多摄像机跟踪与匹配的基础，是提高视频监控系统智能化程度的关键因素之一。因此，运动目标跟踪与关联成为近年来智能视频监控领域的研究前沿。目前，多摄像机目标匹配己提出了一些有效的算法。其中，相对于基于点的匹配，基于区域的匹配不需要标定摄像机，然而仍存在很多问题需要进一步研究，包括环境的复杂性、目标的遮挡、单一特征不足以应对环境的变化，多特征之间如何进行有效的融合等。本文以提高匹配准确率和解决遮挡和光照问题为目的，研究新的多摄像机目标匹配算法，提升视频监控系统的智能化处理能力，主要工作有：第一、针对基于区域匹配过程中，单一采用基于区域SIFT描述子匹配，随着视角的加大造成的匹配准确率不高的问题，提出一种基于区域的、SIFT、颜色和几何特征融合的目标匹配算法。它以目标区域为基础，通过使用改进的基于统计的减背景技术进行目标检测，采用粒子滤波跟踪，对已分割的目标区域计算其SIFT特征描述子，并在SIFT特征描述子当中融入颜色特征和目标轮廓几何特征，通过比较特征矩阵间的距离实现匹配。仿真结果表明，本文方法在相同类型和不同类型目标下具有健壮性，能实现较好的匹配。第二、针对非重叠视域目标提取和标记受时间和空间的限制，要依靠表现模型进行匹配，提出一种采用HOG特征和分块LBP特征描述子表示目标，并通过SVM多分类计算目标匹配的方法。实验采用30个人的独立视域下的测试序列，将其分成3组，按每组10类目标进行统计计算，并与单独采用HOG特征和LBP特征比较匹配的准确度。测试结果表明，本文提出的目标匹配方法对不准确的目标分割和光照变化存在鲁棒性，可以有效地辨别可视目标，准确率达到80%以上。