视频目标跟踪是数字图像处理、人工智能等多学科的研究热点，在智能监控、人机交互、视觉导航和精确制导等方面有着重要的应用。虽然人们已经提出了许多视频目标跟踪算法，但在实际应用中仍存在许多干扰使目标跟踪效果不理想，例如目标尺度变化、目标外观变化、目标遮挡和环境中的光照变化等。为了解决上述问题，本文对基于区域特征的目标跟踪算法进行了研究和探索，主要工作及创新点如下：(1)为解决红外图像跟踪过程中目标外观变化的问题，在均值偏移(Mean Shift)跟踪算法的基础上提出了一种基于自适应多特征融合的红外目标跟踪算法。该算法首先提取目标的灰度特征和局部均值对比度特征对目标进行描述，并利用特征的不确定性进行特征融合；其次利用目标的几何特征和灰度特征对目标的尺度因子进行描述，并利用尺度因子更新跟踪窗口；最后利用加权模板更新方法对目标模板进行更新，实现对目标的稳定跟踪。实验表明，该算法能有效地适应场景变化和目标的外观变化，对红外目标具有稳定的跟踪性能。(2)为解决可见光图像跟踪过程中目标外观变化的问题，在压缩跟踪算法(Compressive Tracking，CT)的基础上提出了一种尺度自适应的多模型压缩跟踪算法。该算法首先针对尺度固定的问题提出了尺度自适应的解决方法，其次针对模型不匹配的问题提出了多模型融合及分类器训练的解决方法，最后通过实验验证了改进措施的有效性。改进后的CT算法在跟踪外观变化的目标时性能有了较大改善，综合性能有了明显的提升。(3)为实现对大面积遮挡目标的稳定跟踪，在Mean Shift跟踪算法的基础上提出了一种基于分步定位的抗遮挡目标跟踪算法。该算法首先判断目标是否存在遮挡，当遮挡未发生时，采用原始Mean Shift算法跟踪目标，利用选择性分量更新策略对目标模板进行更新，减少模板漂移的影响。当遮挡发生时，首先利用非对称核函数对候选区域建模实现对目标位置的初步定位，减少遮挡对模板匹配的影响；其次利用分片跟踪的方法对目标进行精确定位，并利用积分直方图减少算法的处理时间；最后利用校正的候选模型得到目标的匹配系数，避免了目标的过度搜索。实验结果表明本文算法对大面积遮挡的目标具有良的好跟踪性能。(4)针对红外图像制导对目标跟踪系统的运算能力、算法鲁棒性、体积、功耗等方面的要求，设计并实现了一套基于SOPC的高速目标跟踪系统，该系统包括高度集成的FPGA硬件平台和软件算法，实现了从图像采集、图像的非均匀校正、图像滤波到目标特征提取、目标检测、目标跟踪的实时处理功能。试验结果表明所提出的算法跟踪性能良好，工作稳定。