基于计算机视觉的目标跟踪已应用在智能监控、智能交通、人机交互、安保机器人中。单目标跟踪是在视频初始帧给定跟踪目标的位置和大小,然后在接下来的视频帧中对目标进行跟踪。本文跟踪的目标是人,而人属于非刚体,相对于刚体(汽车、自行车)容易发生形变。由于形变的方向和大小是无法预测的,很难使用几何形状来描述人的形变。多人场景比单人场景要复杂些,多人场景下人与人容易发生遮挡,这会使得跟踪的鲁棒性有所下降。针对以上问题,本文对现有的目标跟踪算法进行了深入的研究,主要工作如下:(1)针对背景干扰和目标人会发生形变的问题,提出一种基于注意力机制与多层深度特征融合的目标人跟踪模型(Multi-Layer Depth Feature and ChannelSpace Attention,MLDF-CSA)。该模型首先将卷积的高层语义特征和低层视觉特征进行加权融合,然后经过通道-空间注意力模块,给目标特征赋予较高的权重,背景特征赋予较低的权重。使用logistic与中心损失函数组成的多损失函数训练模型。实验结果表明,本文提出的MLDF-CSA与其他主流的跟踪算法相比,其目标跟踪的成功率和精确度都有较明显的提高,验证了该方法的有效性。(2)针对目标人跟丢的问题,提出一种基于选择性搜索目标人跟踪算法(Tracking Based on Selective Search,TBSS)。当跟踪模块MLDF-CSA的响应值低于自适应阈值时,启动重检测模块检测目标。使用选择性搜索获取候目标候选框,然后输入到支持向量机上进行分类。当正样本候选框的最大响应值大于检测置信度时,该正样本候选框为跟踪目标。实验结果表明,本文提出的TBSS算法与其他主流的跟踪算法相比,其目标跟踪的成功率和精确度都有较明显的提高,验证了该方法的有效性。(3)设计和实现了基于TBSS算法的单目视觉移动机器人跟踪系统。该系统使用单目摄像头采集RGB图像,然后进行去噪处理,提高图像的质量。该系统可以通过可视化的界面来选择跟踪的目标,然后对选定的进行跟踪。使用该系统采集到的图像作为数据集进行目标跟踪实验。实验结果表明,该系统在真实的多人场景下能够较好地跟住特定的目标人。