目标跟踪技术是视频内容分析的关键技术,在包括视频监控、人机交互、智能导航以及医学诊断在内的多个领域具有广阔的应用空间和良好的发展前景。近年来,由于判别式模型方法能够充分利用目标与背景信息进行建模而表现出较强鲁棒性,成为当前目标跟踪技术研究的主流方向。本文在深入分析现有判别式模型方法的基础上,对经典的支持向量机方法和最新的支持相关滤波器方法进行了研究,主要的研究内容如下:(1)分析了判别式模型方法的跟踪机理,并研究推导了支持向量机和支持相关滤波器两类方法的数学模型和核方法扩展形式,同时给出了目标跟踪算法的测试数据集以及质量评估方法,为本文的方法研究和实验分析提供了理论基础。(2)针对传统基于支持向量机的方法在特征表示方面存在的缺陷,即由于单一手工特征对目标的表示并不充分,使得跟踪性能的提升受到限制。首先从图像外观出发分析目标自身包含的主要信息,并深入剖析手工特征表示目标的特点,考虑到HOG特征和Color Name特征在表示目标的梯度和颜色信息方面具有互补性,将这两种特征进行融合表示,再利用线性核函数构建了多特征融合表示的支持向量机模型。其次,考虑到由于遮挡而导致目标丢失现象,通过分析遮挡前后目标的变化规律,制定了一种基于相似性判别的更新策略。基于上述研究,提出了基于特征融合支持向量机的目标跟踪算法。最后,通过对比实验验证了提出方法和更新策略的有效性。(3)针对支持相关滤波器方法由于边界效应而导致的模型漂移现象,首先从模型角度分析了支持相关滤波器产生漂移的本质原因,而后引入人类视觉注意力机制,在图像上建立目标与背景的空间约束关系,即强化分类器对目标区域的关注而惩罚对背景区域的关注,接着利用在连续的视频序列中相邻帧之间的先验信息,在支持相关滤波器模型中引入时间正则项约束相邻帧模型的误差,提出了基于时空正则化支持相关滤波器的目标跟踪算法。最后,分别通过整体性对比实验和针对背景干扰的对比实验,验证了提出方法的有效性。