视觉跟踪技术一直以来都受到研究学者的青睐,是计算机视觉研究领域的研究热点和难点,也是很多高层应用的基础,在近几十年取得到了长足的发展。但是目前的跟踪技术仍然受到现实条件的严重制约和限制,比如光照变化、目标形变、遮挡、尺度变化及噪声等,稳定、可靠、高效的视觉跟踪算法还未成熟。因此,研究设计一个高效、稳定、可靠的视觉跟踪算法有着十分重要的现实意义。本文主要的研究工作内容和成果如下：一、调研了视觉跟踪算法的研究现状,总结和介绍了视觉跟踪算法的现状和一般算法处理过程,并详细介绍了相关的理论知识。由于本文跟踪方法的重点在于外观模型的建立,并基于贝叶斯估计模型进行目标跟踪,所以本文对外观模型理论和用于视觉跟踪的贝叶斯估计理论做了相关介绍。二、围绕前景建模,提出多层显著前景块模型。在大多数的在线目标跟踪方法中,目标通常用矩形框来标记。矩形框内不仅包含了全部的目前信息,同时包含了背景信息。包含的背景信息在一定程度上影响了目标模板的精确性,削弱了前景背景的区分,降低了目标跟踪效果。针对此问题,本文提出了一种基于前景背景相似性度量的显著前景提取方法,以此建立更加准确的显著的前景模型,增强前景模板表示,提升了跟踪效果。同时,为了应对光照变化带来的前景外观变化,提出一种与显著前景块模型适应的模板更新方法,形成了多层前景模型。实验结果表明,该方法能有效应对光照变化、目标变形、背景混淆等影响因素,取得较好的跟踪效果。三、提出了一种新的置信度图计算方法,以创建目标前景的统计形态模型,用于目标跟踪。首先,从前景背景分类的角度出发,分析并提出了前景背景分类理论的形式化表达。然后,初始化前景背景模型,并提出了一种新的置信度图计算方法,形成统计形态模型。统计形态模型以简单统计方法计算得到的像素统计形态分布比例值为基础,该比例值反映了像素的前景置信度,也在一定程度上反应了前景分布情况。以统计形态分布比例值为基础,运用掩码方式形成统计形态分布比例值掩码。最终,结合此掩码进行目标跟踪。实验表明,本文提出的基于统计形态模型的目标跟踪方法获得了较好的跟踪效果。