近年来人工智能得到飞速的发展,特别在机器视觉领域取得了巨大的成就。其中,目标跟踪是其重要研究分支之一,在军事,医疗,监控,人机界面,运动分析等相关领域得到广泛的发展,也为事件处理,机器人导航等高层视觉任务提供重要的技术支撑,也引起从事相关领域科研人员的深入研究。随着目标跟踪技术的不断发展,越来越多的跟踪技术可以实现对球形目标的定位与跟踪,但是由于跟踪过程中往往伴随遮挡、尺度变化等复杂情况,运用传统的跟踪技术无法准确、稳健地跟踪到球形目标,从而达到理想的跟踪结果。因此,针对这些问题,本文对球形目标跟踪进行了深入的研究,主要研究内容如下:(1)球形单目标跟踪。在背景感知滤波器跟踪的基础上提出了时间正则化结合背景感知的滤波器。从真实的背景中提取训练样本,通过增加训练样本来增强滤波器的分类能力,引入时间正则化,构建遮挡情况下的目标重定位模块;采用交替方向乘子法优化求解目标,降低计算复杂度,采用线性插值法来更新目标的位置和尺度。(2)球形多目标跟踪。在YOLOv3检测算法基础上提出了基于YOLOv3的多目标跟踪算法。通过YOLOv3检测球形目标进行初始化并创建跟踪器;在卡尔曼滤波器中预测上一帧边界框信息产生的状态预测和协方差预测;将卡尔曼滤波器所有的预测结果通过匈牙利算法进行匹配,去掉匹配值小于阈值的匹配对;用当前帧中匹配到的目标检测到的边界框信息去更新卡尔曼跟踪器,计算卡尔曼增益,状态更新和协方差更新;将状态更新值输出,作为当前帧的跟踪边框;对于本帧中没有匹配到的目标重新初始化跟踪器。通过实验结果与分析可得,本文的球形目标跟踪算法,在遮挡、尺度变化情况下相比于其他跟踪算法具有较好的跟踪精度,能够稳健地跟踪目标。