视觉跟踪技术是计算机视觉领域的一个重要课题，在军事制导、视频监控、机器人视觉导航、人机交互、以及医疗诊断等许多方面有着广泛的应用前景。视觉跟踪的主要研究目的是使计算机能够模拟人类视觉运动感知功能，并赋予机器辨识视频中运动目标的能力，为视频分析和理解提供重要的数据依据。近年来，随着计算机技术和传感器技术的快速发展，视觉跟踪技术吸引了大量研究人员的关注，成为热点研究问题，相继提出了许多有效的新理论和优秀跟踪算法。然而，视频目标跟踪往往由于复杂背景、光照变化、目标旋转、遮挡和运动随机性等因素变得非常困难，在理论和应用上仍然存在着许多不完善和尚待解决的问题。所以要开发出真正鲁棒、精确、稳定和实用的视觉跟踪方法依然面临着巨大挑战，并且具有重要的理论意义和实用价值。本文在研究传统视觉目标跟踪方法的基础上，重点瞄准两种主流跟踪算法：粒子滤波和均值漂移，结合学术前沿知识，提出新的思想和方法，提高目标跟踪的准确度和鲁棒性。论文的主要内容和成果概括如下：首先，以粒子滤波为跟踪框架，提出了四种新的视觉跟踪算法。(1)为了提高粒子采样质量和视频跟踪算法的精度，提出球粒子滤波视觉跟踪算法。将球状采样方式引入到粒子更新过程中很好地保证状态空间中粒子的有效性。与传统粒子滤波算法相比较，这种采样方式能够利用少量粒子实现分布多样性的同时，有效克服了粒子退化现象。小球迭代运动可以使粒子集朝较大后验概率分布区域移动。球粒子滤波算法不依赖系统状态模型特性可以理想实现运动状态不规则的机动目标跟踪。该算法能够有效提高了粒子利用率，具有较好的跟踪精度。(2)针对传统粒子滤波算法中容易发生的退化现象和粒子贫化问题，提出多区域采样目标跟踪方法。该算法将目标模板用多个重叠子区域划分，每个子区域对应一个采样窗口，根据采样子区域置信度能有效估计出跟踪目标的真实状态，子区域的互补性和阶段唯一性能很好地保证采样粒子有效性和状态空间质量，从而提高目标跟踪的精确度。该算法能有效缓解目标跟踪中的粒子退化和贫化问题，利用有效粒子提高跟踪精度。(3)针对传统视觉跟踪算法在目标发生遮挡时容易发生偏离或失败的缺陷，提出了一种新的抗遮挡自适应粒子滤波目标跟踪方法。在粒子传播过程中，利用目标SSD残差所生成的高似然区域能自适应地调整状态空间中的粒子采样区域范围和采样粒子数量，使跟踪中粒子采样覆盖目标的各种状态可能性，全面提高状态空间质量。预测状态和粒子估计状态通过噪声协方差很好地融合起来，能够较有效地解决了遮挡情况下的跟踪问题，使目标定位更加精确。粒子数量的自适应不仅能很好地提高跟踪精度,而且在一定程度上降低了计算代价。此算法对跟踪目标遮挡具有较好的容错性和跟踪鲁棒性，能有效实现复杂场景下的目标跟踪。(4)为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点，在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息，可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想，采用多模式描述有效局部观测信息，这种融合策略更加准确可靠，能够较好地通过最新观测减轻了粒子退化现象，从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。该算法相比单一特征或一般多特征融合跟踪算法具有优越性。其次，提出了两个改进算法用于提高均值漂移算法性能。(1)针对Mean Shift跟踪算法中模板匹配问题，提出了特征贡献度概念，有效摒弃背景和噪声因素干扰，使重要性特征在匹配中起到关键作用；且利用结构二值分布图携带空间结构信息的优点，很好地避免了统计特征的匹配误差，在一定程度上提高了跟踪的精度和鲁棒性。(2)针对传统均值漂移跟踪算法在目标特征提取、模板匹配度量和带宽固定方面存在缺陷，文中提出了一种新的双环Mean shift视频跟踪算法。该方法采用万向椭圆的特征提取方式，能更有效地抑制背景信息影响，较好地提高目标模型质量。引入双环描述因子能够突出目标本身特征权重，改善图像匹配峰值特性；并且通过双环之间的关系自适应地更新核函数的带宽。该算法在目标具有明显尺度变化、姿态扭曲和部分遮挡的情况下，可以获得准确和鲁棒的跟踪效果。