视觉跟踪是很多计算机视觉应用里最基本的构成模块,应用前景广阔,在视频压缩、人机交互、行为分析、智能交通等方面都扮演着重要的角色。为了克服目标跟踪过程中存在的遮挡、光照等不利因素,本文从观测模型和跟踪器出发,对跟踪过程中的一些主要问题进行了深入的研究,通过引入优化算法以跟踪框架的有效性。研究内容包括以下方面:1、分析研究基于相关滤波器的目标跟踪算法,研究不同场景条件下的目标特征与算法参数的关系,讨论了相关滤波器参数在跟踪过程中的作用,并给出了在不同光照条件下的设置依据。2、针对在不同亮度条件下目标跟踪算法鲁棒性问题,从基于相关滤波器的跟踪框架出发,分析了亮度对目标跟踪的影响。通过寻找敏感参数,建立了参数与识别精度的关系。通过辨识可知,在低亮度时室外/室内目标跟踪的中心位置与标定位置的会发生随机偏移。相关滤波器的方差是不同亮度条件下降低随机偏移,提升算法跟踪精度的关键因素。经实验证明,当亮度较低时,通过增加方差可有效提升远/近景目标跟踪的性能与精度。3、研究了基本粒子群算法及改进策略,提出了改进PSO方法,该方法从学习因子、种群多样性及粒子衰减等方面给出优化策略,提升了算法全局寻优的能力以及粒子求解的收敛性。同时采用该算法对上述目标跟踪算法中的亮度敏感参数进行寻优,最后验证了经过改进PSO优化算法确定的参数,在提升算法目标跟踪准确性上的有效性。