基于图像的目标自动识别与跟踪技术是世界各国精确打击武器系统急需解决的重要难题，也是计算机视觉领域的研究热点。本文作为国防科工委基础研究项目“基于图像的战场目标自动识别技术”成果的重要组成部分，对目标自动识别与跟踪技术的理论、计算和试验三方面进行了系统研究。包括：用两种语言编程实现了经典图像匹配方法中的模板匹配，对静态图片和运动目标进行了试验；将基于Haar特征的目标自动识别方法扩展到战场军事目标的自动识别，改进了AdaBoost算法，建立了基于改进AdaBoost算法的军事目标分类器训练方法，提高了分类器的训练精度；将Kalman滤波预测方法融入到CamShift算法中，提高了目标跟踪算法的速度和抗干扰能力；应用本文建立的目标自动识别与跟踪方法，建立了包括软件与硬件的快速目标自动识别与跟踪系统，进行了一系列目标自动识别与跟踪试验，分别实现了在简单背景、复杂背景、有干扰和遮挡等多种场景下的目标自动识别与跟踪，试验结果表明：本文建立的目标自动识别与跟踪算法速度快，目标自动识别与跟踪系统实时性和抗干扰能力强。该成果可应用于视频监控、战场目标识别跟踪、导航制导等多个领域，应用前景广阔。提出了将目标自动识别与跟踪算法移植到DSP上，以便用于弹上导引头的软件设计的思路和方法。为基于目标自动识别与跟踪技术的精确打击武器系统提供了重要的理论基础与技术支撑。