目标跟踪技术作为自动化控制、计算机视觉、智能信息处理等学科的重要研究内容,其研究成果可成功应用于智能驾驶、安全监控、医疗诊断、自动化生产等各个方面,对促进社会经济的发展具有重要意义。在日常生活场景中类似不良照明、恶劣天气等场景变化随时发生,对传统可见光目标跟踪带来极大挑战。为克服上述挑战,可见光-红外联合跟踪方法引起了越来越多的关注,其原因在于该技术能够充分利用不同传感设备采集信息的冗余互补特性提升目标跟踪在复杂场景下的鲁棒性。但是红外和可见光两种不同模态间成像方式存在明显差异,因此如何打破模态间差异,凸显其内在联系成为信息互补的关键。为此,本文借鉴传统可见光目标跟踪主流方法,深入研究基于多源数据融合的外观建模方法,有效实现可见光与红外信息的互补融合。论文的主要研究内容以及创新包括:1.针对可见光-红外视频序列中出现的数据偏差等问题,提出了一种基于典型相关性分析与逆稀疏表示的联合外观建模方法。该方法构建了基于典型相关分析与逆稀疏表示模型的联合编码模型,同时对可见光和红外视频序列中的候选目标进行编码。经过一系列仿真实验证明,联合编码可以通过探究公共子空间中可见光以及红外视频序列之间的相似性来突显目标特征间的共性,提升模型在恶劣天气条件下的鲁棒性。2.针对目标特征被遮挡导致只有部分特征可靠的情况,提出了一种基于协同编码的联合外观建模方法。此建模方法在逆稀疏表示模型中引入了多视图线性判别分析,通过在线更新的线性投影矩阵,使得逆稀疏表示中可见光和红外目标特征矩阵类内方差最小,类间方差最大。经过大量仿真实验证明,此方法有利于提取红外以及可见光视频中具有辨识度的部分信息进行逆稀疏编码,从而提升可见光-红外联合目标跟踪在复杂场景下鲁棒性。3.为了提升可见光和红外联合目标跟踪速度,提出了一种基于双模态约束的相关滤波联合外观建模方法。该方法在空间正则化相关滤波器跟踪框架中加入双模态正则化约束,通过约束不同模态下空间关联性来训练新的多源联合相关滤波器,使得可见光与红外图像的回归参数实现优势互补。仿真实验证明,所提方法在保证跟踪精度的同时速度上得以显著提升。