视觉目标跟踪是计算机视觉领域最基本的问题之一。近些年视觉目标跟踪领域取得了很大的进展，一些优秀的跟踪算法极大地提升了跟踪的效果。但是，由于跟踪过程中存在着许多复杂场景，例如跟踪过程中目标被遮挡、目标快速运动等，视觉目标跟踪领域仍然存在着巨大挑战。跟踪正确率和跟踪速度是评价跟踪算法的两个重要指标，本文提出的方法旨在提高跟踪算法的正确率和速度。
　　在目标跟踪任务中，特征是影响跟踪算法性能的重要因素。当前，大量算法使用表达能力较强的特征，如纹理特征、颜色特征，代替早期使用的灰度特征，提升了算法的跟踪效果。然而，这些特征忽略了目标跟踪过程中另一种重要的线索：目标的运动信息。跟踪过程中目标运动在时序上并非独立，相邻帧之间的目标运动存在着联系。因此，本文提出使用运动目标检测的方法获取到目标的运动信息，将该信息作为一种特征引入到相关滤波跟踪框架中，结合目标的表观特征进行跟踪，同时根据运动特征获取的特点设计出适用于运动特征的跟踪算法，从而提升跟踪效果。
　　深度特征由于其强大的表征能力能够提高算法的跟踪正确率，但是深度特征复杂的计算过程会降低算法的跟踪速度。通过研究跟踪过程发现，大多数帧中目标与背景区别明显、相邻帧间的目标变化幅度小、目标运动轨迹光滑，本文称其为简单帧，反之称为困难帧。根据这一现象，本文提出自适应特征选择机制，对于简单帧，使用简单的人工特征，如颜色特征、纹理特征、运动特征等就可以准确高效地跟踪到目标；对于困难帧，使用复杂耗时的深度特征，提高算法的跟踪正确率。并行保留两条跟踪路线，使用置信度作为特征选择的标准，确保在跟踪过程中跟踪器能够选用合适的特征，从而达到兼顾算法的正确率和速度的目的。
　　本文在OTB100和VOT2016两个测试集上进行实验和分析，验证所提出方法的性能。实验结果表明，本文提出的两个方法均能提高跟踪正确率，同时能够保持较高的跟踪速度，达到了兼顾正确率和速度的效果。