视觉目标跟踪是计算机视觉领域中的重点研究内容,已广泛应用于自动驾驶、交通流量控制、安防监控、人机交互等实际场景中。目前,科研工作者已经提出了很多RGB视频上的目标跟踪算法,但由于2D视觉的局限性,面对真实场景中的背景干扰、目标遮挡等诸多挑战,现有跟踪器仍无法满足许多场景的跟踪需求。近年来,随着深度相机的普及,3D目标跟踪受到了越来越多的关注,深度图像提供了目标表面到视点的距离信息,可以通过深度信息来解决更多跟踪难题。但目前的3D目标跟踪方法受到深度数据不足等因素的限制,对遮挡、形变等挑战性问题的处理能力也有所欠缺。为了实现具有实时性和鲁棒性的视觉目标跟踪,本文提出了一种新的3D目标跟踪方法,通过构建RGBD融合的全卷积网络实现目标中心的定位,并设计基于局部特征点的自适应边界框策略和遮挡处理策略完成复杂环境下的稳定跟踪。与现有目标跟踪方法相比,本文的主要贡献如下:第一,本文基于2D目标跟踪常用的孪生网络模型提出了一种可进行模板更新的RGBD跟踪定位模型,以及有效的深度图像和RGB图像融合方法,使深度图像信息被融入到深度学习框架中,实现孪生网络模型首次在3D目标跟踪上的应用。第二,本文提出了基于深度图像和RGB图像的双阶段自适应边界框策略,使目标边界框的尺度、纵横比能自动适应目标自身的外观变化。设计了构造辅助框进行目标深度预测的方法,只需计算少量局部像素点特征即可快速获得目标深度值范围,为各部分算法中深度信息的应用奠定了基础。第三,本文提出了基于区域相似性和特征点匹配的遮挡处理方法,可实现快速可靠的遮挡检测与模板更新,用于恢复跟踪的目标重定位方法也可适应长时遮挡等困难场景。针对SURF特征点算法生成的描述子特征单一、匹配性能较差的问题,本文提出了使用自监督网络模型进行描述子提取的方法,利用图像之间点的对应关系在大量数据上训练模型,以达到更好的匹配性能。最后,在公开的目标跟踪基准数据集上对所提出的跟踪方法与策略进行了评估,验证了各部分算法在解决目标跟踪任务的遮挡、形变等挑战性问题上的有效性,并与其他研究方法比较,对遮挡等问题的处理性能超过了大部分先进方法。