目前,基于视觉图像的目标跟踪技术在军事制导、视觉导航、安全监控及医疗诊断等诸多领域都有着广阔的应用前景,对改善人们生活质量、增强国防力量、推动社会进步都起到了重要作用。本文围绕视频目标的长时间在线跟踪问题,主要研究和分析了以TLD(Tracking-Learning-Detection)跟踪算法为框架的目标跟踪方法。传统的目标跟踪方法有迭代跟踪和检测跟踪,然而这两种方法都不能应对复杂背景下目标发生形变或者被遮挡的情况,完成单目标的长时间在线跟踪。本文研究并改进了一种新的方法——TLD跟踪算法,这种方法只需要目标的初始状态信息就可以实现单目标的长时间在线跟踪。基于TLD的目标跟踪算法主要由跟踪模块、检测模块、综合模块和学习模块四个部分组成。跟踪模块根据目标对象的运动轨迹估计当前的目标状态完成迭代跟踪;检测模块采用滑动窗口法通过级联的方差滤波器、集成分类器和模板匹配完成目标对象的全局搜索;综合模块则对跟踪和检测结果进行融合并输出;经过学习模块半监督训练完成分类器和目标模板的更新,不断适应目标场景的变化,以及必要时对跟踪模块的再初始化。最后,针对算法的不足提出感知哈希和卡尔曼滤波改进措施,在保证系统实时性的前提下,改善原始TLD跟踪算法应对目标形变或者被遮挡场景的性能,增强算法在长时间在线跟踪过程的稳定性和鲁棒性。