随着技术水平的不断提高,在计算机方面无论是硬件还是软件方面的发展都日新月异。高性能处理器的研发为计算机视觉技术的发展提供了硬件条件。目标跟踪作为计算机视觉跟踪研究的一项重要内容被越来越多的学者所重视,目标跟踪技术得到了空前发展。虽然目标跟踪技术已比较成熟,但是仍面临着许多挑战。为了解决目前目标跟踪方面面临的难题,本文在前人的基础上针对目标跟踪遮挡、跟踪发生漂移时传统的相关滤波跟踪方法仍更新目标模型的问题,提出一种模型自适应更新方法用于改善目标被遮挡、发生漂移后目标模型的更新问题;针对传统相关滤波目标跟踪方法在目标消失、遮挡后很难快速找到目标的情况,提出了一种算法融合的目标跟踪方法。为了保证目标跟踪的速度与跟踪精度,本文在相关滤波目标跟踪算法的基础上提出了一种目标模型更新方法。相关滤波目标跟踪算法在跟踪目标能够实现高速跟踪,然而传统的模型更新方法不能够应对目标遮挡或跟踪失败后目标模型的更新,跟踪的结果受目标形变、旋转等影响较大。为了改进这一不足,本文在第三章提出一种基于统计模型的目标模型更新方法,由于模型的统计特征对目标的旋转、形变有良好的不变性,同时能够用来区分目标是否遮挡,可以用来判别如何更新目标模型。通过实验表明该算法在跟踪性能上相对于原先跟踪方法性能得到了提高。另外,针对目标遮挡、消失后的目标跟踪问题,由于相关滤波方法对目标遮挡、消失等条件下跟踪性能较差,为了利用相关滤波的跟踪速度,同时又要提高目标跟踪在目标消失后对目标的搜索能力,提出了将粒子滤波融合到相关滤波跟踪方法中。由于目标并非实时处于遮挡或消失状态,因此在目标未消失或者跟踪未发生漂移时采用相关滤波目标跟踪方法,在目标消失或发生跟踪漂移后采用粒子滤波跟踪方法。虽然粒子滤波目标跟踪方法在跟踪速度上相对较慢,但是融合粒子滤波与相关滤波方法后跟踪算法的速度仍能满足一定的实时性要求。