社会的需求促使着目标跟踪与识别技术不断地向前发展,目标跟踪与识别技术已在多个领域得到了很好地应用,并产生了巨大的价值。因此研究目标跟踪与识别技术具有很重要的意义。本文主要对目标跟踪与识别技术进行了研究,另外还研究了人工鱼群算法,并将其引入到目标跟踪与识别中,以此来提高跟踪精度和识别率。主要研究工作如下:(1)针对人工鱼群算法采用固定的视野和步长导致算法收敛后期发生振荡现象、不能精确到达全局极值的问题,提出了两种改进的人工鱼群算法,改进的算法采用变化的视野和步长,视野和步长是根据人工鱼彼此之间的距离来确定的,视野和步长逐渐减小,避免了人工鱼群算法采用固定的小视野、小步长或者大视野、大步长所出现的各种情况,经过实验证明,改进之后的算法能够更精确地收敛到极值。(2)针对LBP特征提取算法对噪声敏感、二值模式数量过多问题,本文提出了一种改进的LBP算法,改进的算法生成的二值模式数量比原来减少了一半,同时增加了对噪声的容忍程度,对比分析了另外四种特征提取算法,经过实验证明,改进后的算法得到了明显的提升。(3)针对粒子滤波算法的粒子权值会随着迭代的进行而逐渐减小,粒子权值的方差变大,导致估计的状态与真实状态的偏差增大的问题,本文把第二种改进的人工鱼群算法用在粒子滤波的优化中,根据人工鱼群算法的寻优原理,把粒子当作人工鱼,执行人工鱼群算法,驱动粒子的权值变大,由此估计的状态与真实状态更加接近。