本论文研究的主要内容为图像序列中多目标的跟踪技术。作为一个有着广泛应用背景的研究领域，图像序列的目标跟踪吸引了大批专家级的研究学者参与。尽管已经提出了不少算法，但真正能实际运作的寥寥可数，大多还处在实验研究阶段。面对这种研究现状，本文试图在前人工作的基础上，通过对特征点检测、图像稳定和跟踪算法的分类研究，探索和总结出一个实用的目标跟踪方案，并期望在此基础上增强对算法的理解以及对某些问题的求解提出改进。 静止背景中目标检测和跟踪方面，本文在前人大量工作的基础上，总结了成熟的静止背景中目标检测算法，试验对比了瞬时差分法和自适应背景相减法，提出并实现了一个基于自适应背景相减法和卡尔曼滤波的自动目标检测和跟踪系统。 在特征点检测方面，本文详尽地分类总结了已有的二维图像特征点检测方法，给出了二维特征点的定义。着重研究了基于Gabor小波的特征点检测方法，提出了基于Gabor小波的，适于图像稳定的特征点检测方法。测试用例表明，该方法检测到的特征点能代表两帧图像间的运动情况，从而为图像稳定提供了可靠的基础。 在对检测特征点充分研究的基础上，深入探讨了基于高斯金字塔的图像稳定技术。重点研究了金字塔每层中特征点匹配问题，提出了利用前后映射寻找一一对应特征点的方法，实验结果表明，该方法能有效排除错误的特征点配对，从而减少运动参数估计的误差。 本文接着从图像序列中目标的运动特点入手，讨论了健壮的跟踪算法对目标特征的要求。通过对Mean-Shift跟踪算法的详细分析，提出了将原算法中单一的带宽参数改为矢量参数的改进方案。测试显示，在不增加计算量的情况下，该方案可在两个方向上自动调节目标尺寸，适应了目标复杂的运动情况。最后，在对各种跟踪算法共性分析总结的基础上，设计并实现了用于测试、发展目标跟踪算法的框架。