自动目标跟踪是智能监控、武器导引、智能交通系统、视频压缩、图像搜索、医用图像系统等应用的基础和关键技术,也是计算机视觉领域的研究热点与难点之一。论文针对复杂运动背景下的目标跟踪问题,特别是影响算法稳定性的主要问题:目标被遮挡和大小发生变化,进行了深入研究,提出了基于物体局部信息的跟踪方法,并在跟踪过程的不同阶段利用物体不同的局部信息进行跟踪。本文中的局部信息是相对整体信息而言的,单个像素和整个目标区域是局部信息的两种特殊情况。本论文主要完成了以下工作:1)根据实际目标跟踪过程中,目标被遮挡的区域总是从边缘开始的事实,对归一化相关匹配算法进行了改进,摒弃以往将模板划分为若干部分,每一部分取固定权值的思想,提出了加权归一化相似度量。该方法的思想是目标物体的每个像素对于模板匹配结果的影响是不同的,因此本文根据模板中每个像素到模板中心的距离给予不同权值,具有较好的抗遮挡的能力。2)针对复杂运动背景下的目标跟踪问题,提出了基于物体局部信息的自适应模板更新算法。该方法在模板匹配失败时引入目标分割过程,然后通过对比新目标区域与模板的相似度得出导致匹配失败的具体原因,再根据不同原因采取不同的处理策略,从而使算法在目标被遮挡和大小发生变化时仍然能实现稳定跟踪。3)为了提高算法的实时性,本文在跟踪过程中利用Kalman滤波器预测目标的运动轨迹,通过缩小匹配区域提高了跟踪算法的效率。4)提出了目标发生遮挡时的处理策略。首先判断遮挡发生的具体位置,然后根据物体没有被遮挡部分的信息进行跟踪。当目标被遮挡的部分超过90%时,根据Kalman滤波器得到的目标轨迹进行跟踪;当被遮挡区域的面积小于5%时,退出遮挡处理程序。该方法在仿真实验中取得了令人满意的结果。