视觉跟踪作为计算机视觉领域的一个研究热点,其主要任务是,从连续的视频图像序列中检测出运动目标,进而在每一帧图像中给出目标位置.目标跟踪的应用领域非常广泛,例如无人驾驶、智能视频监控、人机交互以及医学图像的跟踪分析等等.但由于存在部分遮挡和完全遮挡、背景杂乱、外观形变、光照变化、视角变化等客观因素,目前而言,实现准确的目标跟踪仍是一项艰巨的挑战.　　本文针对目标快速运动、遮挡、背景杂乱等客观因素进行了深入分析研究,主要研究成果如下:　　1.提出了一种基于观测似然模型的目标跟踪方法.为了区分粒子块的跟踪观测似然和目标邻近区域观测似然对目标预测的影响,对二者进行加权后得到最终观测似然结果.最后利用该似然值计算粒子块的权重来对运动目标位置和大小进行预测,完成目标跟踪.实验表明该算法可以适应光照和尺度的变化,跟踪性能表现良好.　　2.提出了一种基于深度特征的自适应相关滤波跟踪方法.该方法主要针对于现存的手工特征无法适用于所有通用对象的缺点,使用预训练的VGG-Net进行特征提取来提高特征的表达能力.为了适应部分遮挡、快速移动等跟踪场景,使用自适应相关滤波作为基跟踪器,并对每层网络特征进行跟踪.实验结果表明该算法具有良好的实时跟踪性能,鲁棒性佳.　　3.本章提出了一种基于多尺度的相关滤波跟踪算法.该方法首先通过高斯滤波器对输入图像进行多次模糊处理,获得多尺度空间图像.然后,基于每种图像尺度特征利用核相关滤波方法完成一次跟踪预测.最后,对所有预测结果进行加权,即可得到运动目标的最终位置以及大小信息.实验表明该算法可以应对多种复杂跟踪场景,并能够完成比较准确的跟踪任务.