快速目标识别与跟踪技术是计算机视觉领域研究的主要内容之一,在军事、智能视觉监控系统、工业检测以及视频图像分析等领域中都有重要的应用。特别在军事领域中,如果能实现飞机等军事目标的实时识别与跟踪,对掌握战场主动权和提高未来指挥作战系统的性能都具有重要意义。本文以飞机目标作为研究对象,对快速目标的识别和跟踪的方法做了一定的探讨。首先,对当前目标识别与跟踪中存在的问题和处理方法作了详细的介绍;通过对常用目标检测算法实时性的比较,选取了帧间差分法来完成目标检测,并用形态学滤波方法来处理噪声和空洞问题;然后,在深入的理解和分析Gabor滤波器数学含义的基础上,用分块极大值方法实现了从Gabor滤波器滤波后的响应值中提取出表征不同尺度、方向的特征点,并利用这些特征点邻域能量值之和与样本群中记录的在离线状态下提取的特征点邻域的能量之和进行加权匹配,完成目标的识别工作;最后,介绍了适合快速目标跟踪的Mean-Shift算法,利用Kalman滤波器对Mean-Shift算法进行了改进,实现了目标的快速跟踪,并给出了尺度和颜色模板的更新策略以及当目标被遮挡时的处理方法。实验表明,本文给出的算法能有效地检测出快速运动目标并对目标进行识别与跟踪;并且算法在识别过程中具有准确率高、误识别率低的特点;在跟踪过程中具有很高的快速性和一定的鲁棒性,能克服目标尺度变化和遮挡等问题,满足实时处理要求。但是,离实现一个具有鲁棒性、准确性和快速性的目标识别与跟踪系统还有一定差距,在文章最后对算法需要改进的地方作了说明。