目标跟踪技术是机载光电系统的核心技术之一，该技术用于在机载环境下完成地面背景的机动目标跟踪。本研究旨在改善该系统现有跟踪技术，提高单目标长时跟踪的性能。目前机载平台中采用跟踪技术为传统的模板匹配方法，在面对背景物短时遮挡、目标形变、相机频繁位移等复杂情况时，往往不能有效地跟踪目标；同时受空间域图像匹配计算复杂度高的影响，算法实时性较差。本研究针对机载平台目标跟踪过程中出现的这些问题，将跟踪过程分为五个部分处理：滤波预估、特征匹配、遮挡检测、目标在线学习、目标尺寸自适应。其中滤波预估根据历史信息预测目标位置，减小搜索区域，从而达到提高速度的目的；特征匹配部分通过快速的特征提取与匹配方法，准确检测出目标当前位置；遮挡检测部分将预测信息、特征匹配误差以及历史匹配信息相结合，使遮挡检测更为准确；自适应目标尺寸部分则实时计算出目标尺寸，以适应目标运动过程中产生的形状尺度变化。研究中首先对传统基于空间域的模板匹配方法做了改善，采用卡尔曼滤波与多模板匹配的方法进行跟踪。此方法通过卡尔曼滤波获取预测区域，在预测区域上使用快速傅立叶变换与积分图计算互相关系数，降低了模板匹配的计算复杂度，实时性得以提高；另一方面提出背景模板、前景模板同时匹配的方法，结合匹配误差，实现了遮挡检测。为进一步提高预测准确度，处理模板匹配算法难以解决的目标旋转和尺度变化问题，研究中提出利用条件卡尔曼滤波进行预估，结合具有局部不变特性的ORB角点与特征描述分类的方法来进行跟踪，通过阈值、匹配密度以及预估范围三者结合来检测遮挡，最后通过Ball-Snake模型更新目标尺寸，并将实时分类结果作为训练样本进行在线学习。通过算法测试与验证，实现了相关项目要求的目标跟踪功能，在树林、草地等环境下，可以对单目标持久跟踪。