视觉跟踪作为计算机视觉领域的热点问题,在很多方面有着广泛的应用,如安全监控、人机交互和汽车导航等。尽管目标跟踪技术已经取得显著的进步,但是在目标发生遮挡的情况下如何设计鲁棒的跟踪器将目标从背景中分离出来仍然是一个艰巨的挑战。为了能够解决遮挡问题,本文提出了两种视觉跟踪算法:基于深度信息的权重关联算法和基于分块策略的环境自适应算法。在基于深度信息的权重关联算法中,提出了遮挡检测机制进行遮挡检测并将深度信息作为候选目标的权重应用在时空环境模型的框架中。此外,本文还为所提出的基于深度信息的权重关联算法构造了一种尺度更新机制以更好的适应目标的尺度变化。在基于分块策略的环境自适应跟踪算法中,通过构建目标和背景的似然函数确定出完整的目标区域,进而将含有背景区域的子块剔除以提高跟踪算法的鲁棒性。本文还为设计了一种生物学鼓励的方法以提高环境自适应跟踪算法的跟踪效果。实验表明本文提出的两种算法相较于一些以前的跟踪算法具有明显的性能提升。