目标跟踪是计算机视觉领域的研究热点之一,在民用和军事等方面被广泛应用。在实际应用中,由于目标物体自身的变形、旋转、缩放以及外界环境的干扰如光照、遮挡等原因,目标跟踪的鲁棒性和精准度常难以保证。近年来基于核相关滤波的目标跟踪发展迅速,其基本思想是利用目标及其周围背景的信息密集采样,并将基于核相关滤波分类器的求解转换到傅里叶频域中实现目标跟踪。该类方法能够充分利用和实时更新目标及其紧邻背景的特征表达,极大的提高跟踪的精确度和实时性。本论文以核相关滤波为理论基础,引入基于显著性的目标物体检测和目标分块跟踪的理论,分别从全局跟踪和局部跟踪出发构造出两种目标跟踪方法,并将其应用到奶牛行为监控和识别。本论文主要贡献如下:(1)提出了一种基于联合核相关滤波的目标跟踪方法。首先,在亮度域对目标区域建立纯目标表观模型,同时对目标扩展区域建立目标背景表观模型;并利用基于最小生成树的显著物体检测计算目标相关的显著性度量,据此在显著度域对目标进行特征提取构建目标显著度表观模型。然后基于亮度域和显著度域的表观模型构建出两个核相关滤波器和它们的联合器。最后,将两个核相关滤波通过联合器联合起来对目标进行跟踪。具体而言,本方法将在亮度域使用基于目标背景的表观模型的核相关滤波器对目标位置进行初步的预测;利用联合器评估目标预测值的准确性,当准确性较低时在显著度域进行第二次核相关滤波以纠正目标预测误差,从而克服核相关滤波算法在遮挡、光照等问题上处理的不足。实验结果表明,提出的方法在处理遮挡、光照变化、快速运动等挑战中具有良好的效果,并且在与现有的跟踪算法的比较重,体现出了一定的优越性。(2)提出了一种基于最优分块识别的目标跟踪方法。该方法首先构建目标多尺度分块的表观模型,并以核相关滤波为基本算子对每个分块进行跟踪;然后,采用混合高斯模型来替代传统的高斯模型对分类器的训练进行优化,实现分块的精准跟踪;再通过霍夫投票和分块跟踪结果确定目标跟踪结果;最后通过分别更新异常分块和非异常分块实现分块表观模型的更新,以适应目标表观和周围环境变化,实现目标的持续精准跟踪。大量验证实验表明本文方法在位置精确度以及跟踪成功率均有一定的优越性,并且在处理背景杂乱、光照变化以及尺寸变化的挑战中有比较好的效果。本文最后将提出的方法应用于奶牛视频监控中。奶牛的健康状况与日常生活的各种行为都有着密切的联系,并且奶牛的健康状况直接影响牛奶的产量、奶质等牛奶的指标。通过对奶牛进行目标跟踪,借助目标位移的速度、位移的相对距离和目标的尺寸变化等参考量度可以识别出奶牛的行走和跑跳等运动行为,并且通过对跟踪轨迹进行分析,能够分析得到奶牛的运动方向、运动趋势以及运动范围,从而实现对奶牛的仿效行为、回家行为等行为的识别和监控,进而实现奶牛的精准养殖以及健康养殖,节约奶牛管理的成本以及提高奶牛产奶的质量。实验结果表明,本文提出的方法在奶牛的视频跟踪有着良好的应用。