随着机器视觉的发展，运动目标跟踪成为机器视觉研究领域的热点和难点，广泛应用在人机交互、虚拟现实、视频监控、机器人导航、智能汽车等领域，但在复杂多变的光照和气象条件下，视觉传感器的应用存在着一定的局限性，而多传感器融合可以实现信息互补，比单一传感器具有很好的容错性、实时性和鲁棒性，主要研究内容包括:　　首先，简要的介绍了多传感器配准融合算法的发展，详细的介绍了图像配准算法的基本理论及配准类型，并对多传感器配准融合算法的基本理论进行了论述。　　其次，介绍了毫米波雷达探测原理以及数据接收与解析方法，提出了一种毫米波雷达有效目标初选的方法，然后介绍了视觉传感器和毫米波雷达系统的联合标定方法，构建了毫米波雷达坐标系、世界坐标系、视觉传感器坐标系、图像物理坐标系和像素坐标系之间的转换关系，进而毫米波雷达和视觉传感器的空间配准转换关系。在此基础上，结合两个传感器的时间配准方法，完成两个传感器的时空配准。　　然后，研究了红外图像和可见光图像中的目标配准问题。在异源图像融合中，由于不同的拍摄条件、拍摄时间、成像原理等因素，配准方法的选择是一个难点。首先通过比较选择利用混合高斯模型对视觉传感器的光学图像与红外热像仪的红外图像进行前景检测，得到目标在图像序列中每一帧的形状轮廓信息;然后在此基础上，完成异源图像的特征点匹配、TPS形变模型转换、正则化和缩放特性处理;最后利用RANSAC随机抽样一致性算法去除误匹配，迭代得到光学图像与红外图像的图像匹配。　　最后，利用自适应背景相减法检测目标，将融合系统在实际环境中开展了运动目标跟踪模拟实验，验证了基于毫米波雷达和视觉传感器、红外热像仪和视觉传感器的感知系统的实际使用效果，分析了提出的基于多传感器融合的运动目标跟踪方法的可行性和有效性，为后续的系统改进提供了实验依据。