随着对视频监控需求的不断增长,单摄像头监控已经远远不能满足不断扩大的需求。多摄像头监控系统发展,并且系统中包含的摄像头越来越多,使得监控系统越来越复杂。出于简化监控系统和减小使用成本的目的,对无重叠区域多摄像头监控系统的应用变得尤为重要。在监控系统中应用最为广泛的是进行多摄像头之间的视频智能分析提取感兴趣目标,而由于多个摄像头之间存在盲区,为上述多摄像头之间视频智能分析带来很多困难。因此无重叠区域多摄像头之间目标匹配算法成为了一个研究热点,同时也是无重叠区域多摄像头监控系统能够广泛应用的前提。目标匹配技术中主要包含以下三部分:特征提取技术、特征融合技术以及相似度衡量技术,这三部分是本文重点研究的对象。除了上述三种关键技术外,目标搜素策略(前景检测技术)会直接影响到目标匹配技术的精确度和运行效率,所以同样成为本文的研究重点。本文主要对目标匹配技术的三种关键技术进行研究,分析目标匹配中涉及到的各项技术待解决的难题并提出有效的解决方法。本文首先介绍了目标匹配技术中包含的三种关键技术的国内外研究现状,并对三种技术领域中的经典算法做深入研究和介绍。然后分析在我们的应用场景中经典算法的不适用性。最后根据我们实际应用场景中遇到的低分辨率,小目标的问题提出新的解决方案。实现了无重叠区域多摄像头快速目标匹配算法,并对该算法做定性和定量分析以及对比验证。本研究中为了解决在无重叠区域多摄像头目标匹配在我们应用环境中的问题,主要完成了以下三方面的创新工作:1,本研究中提出了一种基于在线聚类的目标主颜色特征提取算法以及特征稀疏化优化方法。由于彩色图像中包含的颜色的分布是未知的,所以在对图像进行颜色聚类时事先手动设置最终聚类的簇数是不科学的,并且聚类结果对设置的聚类簇数是很敏感的。针对此问题本研究中提出在线聚类的算法,算法会自动根据图像颜色的分布确定最终聚类的簇数。由于聚类结束后特征是稀疏的会影响相似度衡量的效果,所以本研究还提出了一种稀疏化优化方法。实验结果表明,该算法能有效改善聚类的结果,并提高聚类的速度,同时也有效改善了相似度衡量的效果。2,本研究提出了一种基于主颜色特征和主颜色分布特征的融合算法。由于单个特征对不同目标的区分准确度不够,所以针对该问题本研究中提出特征的融合算法,通过融合目标的两种特征来提高不同目标之间的区分度。实验结果表明,该算法很大程度上提高了目标匹配的准确度。3,本研究提出了一种基于目标主颜色特征的像素级目标搜索策略。由于目标在场景中不是一直运动的,使用基于运动信息的前景检测方法在目标静止的时候会搜索失败,所以针对该问题本研究中提出的基于主颜色特征的搜索方法,不需要目标的运动信息在目标静止时也能成功搜索到。并且基于滑动窗口的搜索策略运行效率很低很难达到实时状态,所以针对该问题本研究中提出了基于像素点的搜索策略。实验结果表明,该算法不仅提高了目标搜索的有效性,并且达到了实时处理的效果。