近年来,全景视觉因为具有360°视角的特点,所以在交通管制、视频监控和无人驾驶等领域都拥有巨大的发展前景,但由于全景图像存在非线性几何畸变,并且目标运动过程中存在着背景相近、遮挡、旋转等因素,导致传统的粒子滤波算法无法正常适用于全景相机,因此本文对在全景视觉如何有效的进行目标跟踪进行研究。针对全景图像中由于目标畸变导致跟踪失败问题,提出了一种通过将全景图像坐标映射到单位球面坐标系的方法解决该问题。由于全景图像中的目标在成像时发生几何畸变,产生非线性分辨率,致使无法使用常规的计算特征图的方法进行目标匹配,因此提出单位球面映射法,将全景图像上发生几何畸变的图像映射到单位球面上,之后利用球面坐标进行采样,这样做使得对目标采样符合图像的几何特性,同时根据球面坐标特性,改变采样框大小。针对目标跟踪过程中由于背景造成目标跟踪失败问题,提出颜色特征和形状特征融合方法。在平常视频跟踪过程中,目标的颜色和目标背景颜色相同或者相近时,往往出现跟踪失败问题,本文中提出利用颜色直方图表示目标颜色特征,利用Chamfer Match表示目标形状特征,最后利用贝叶斯融合递推公式表示目标的总特征,提高跟踪鲁棒性。针对目标跟踪过程中由于目标尺度变化导致跟踪失败问题,本文中提出自适应目标区域提取方法解决该问题。首先通过单位球面映射模型,得到该场景下目标轮廓片段。之后通过分析,得到目标梯形框在该场景下变化参数,使得可以准确的表示目标轮廓,减少跟踪过程中背景噪声或者目标区域不完整的情况,提高目标跟踪精确度。通过实验最终结果证明,文中提出的全景视觉自适应融合特征提取方法可以自适应调节梯形框大小并有效的解决目标跟踪过程中由于目标发生背景相似、遮挡、旋转、等情况下都有不错的效果,有效提高了全景视觉跟踪的鲁棒性。