视觉跟踪是一种针对摄像机所获取的图像序列进行目标连续定位的技术。它融合了计算机视觉、图像处理、模式识别、人工智能以及自动控制等众多领域中的先进技术,通过对摄像头捕获的图像序列进行分析,计算出目标在每一帧图像中的坐标位置,将图像序列中的相关运动目标关联起来,最终获得目标的运动参数与运动轨迹。与传统雷达跟踪系统相比,视觉跟踪主要采用比较廉价的设备,具有更高的性价比。它采用被动式工作模式,工作时不向外辐射无线电波,不易被电子侦察设备发现,具有一定的隐蔽性和抗电子干扰能力。同时在视觉目标跟踪系统中,人们能够直接从视频监视器上看到目标图像,具有更好的直观性。尽管视觉目标跟踪技术获得了长足的发展,其可靠性与稳定性并不是十分令人满意。成像过程中三维信息的丢失,目标本身的运动及形变等因素,会造成图像序列中目标的尺度、角度、形态变化与遮挡问题,给视觉目标跟踪算法带来了巨大的挑战,造成了跟踪算法的不稳定与不可靠。　　 本文针对上述问题,提出了视觉目标自适应跟踪算法,旨在解决背景变化、跟踪目标形变以及局部遮挡等问题。主要研究内容包括：⑴提出了一种面向视觉目标跟踪的综合特征表示。基于颜色直方图(Histogram of Color,HC)和梯度方向直方图(Histogram of Oriented Gradient,HOG)的综合直方图HOGC(Histogram of Oriented Gradient and Color)融合了颜色、局部轮廓以及梯度方向等特征。基于SIFT(Scale Invariant FeatureTransform)特征点的主方向方法,进一步对综合特征进行了面向视觉目标跟踪的改进,在一定程度上解决了HOG对跟踪目标旋转敏感的问题。⑵基于综合特征表示,提出了基于自适应综合特征表示的视觉目标跟踪算法。基于前景(跟踪目标)/背景的特征信息以及相关变化,将目标综合特征的评估嵌入到传统的滤波框架中,保证特征权重的变化是连续的过程,即具有时间连续性.基于滤波框架的特征评估有效地将滤波算法从对目标运动状态的建模扩展到了对目标特征权重的评估,拓展了传统滤波框架的应用范畴,降低了跟踪前景/背景的变化对跟踪效果的影响。⑶基于自适应综合特征表示,提出了基于稀疏自适应综合特征表示的视觉目标跟踪算法。在跟踪的初始化过程中建立在线训练样本集合,用以对跟踪特征的实时稀疏选择,从而得到跟踪目标具有前景/背景区分性的稀疏特征表示。同时,基于滤波框架对目标的稀疏特征表示进行有效地自适应的评估,在保证特征描述具有区分性的基础上,进一步保证了特征的环境自适应性。⑷基于稀疏自适应特征表示,提出了一种基于分层自适应稀疏表示与稀疏重构的目标跟踪新框架。在跟踪的过程中,基于跟踪目标的稀疏自适应特征表示以及基于搜索区域建立的实时重构样本集合,获得目标在样本空间的自适应重构系数,从而统计跟踪目标在样本空间的概率密度分布,实现对目标的可靠跟踪。实验表明,所提出的跟踪框架既能较好的适应前景/背景的变化,又能有效的处理跟踪目标的局部遮挡等问题。