视觉跟踪作为计算机视觉重要的子领域,有着非常广阔的运用前景。目标跟踪就是在视频序列中任意给定一个目标,在视频的随后序列中确定目标的运动轨迹或者位置。近年来,单目标跟踪技术获得了突飞猛进的发展,尤其是相关滤波和深度学习理论的引入,单目标跟踪技术已经可以实际应用在一些简单的场景。但是,由于遮挡、形变、尺度以及光照变化等因素的干扰,复杂场景下单目标跟踪依旧难以达到实际运用的要求。本文在分析单目标跟踪算法的国内外研究进展的基础上,针对模板更新污染退化问题、基于分块方法不重视所跟踪目标作为完整体所拥有的整体信息的问题,开展研究。主要工作如下:(一)当目标出现较大范围的遮挡时,模型的更新可能引入非目标特征,使目标跟踪的观测模型污染退化,导致跟踪漂移。针对这个问题,提出一种新的反馈式更新策略。首先利用当前帧目标整体滤器最大响应值进行初步判断,然后根据各个子块滤波器的比值和前一帧的变化情况,进一步判断目标是否出现遮挡;再根据遮挡情况采用不同的更新机制:没有出现遮挡时,采用较低的学习率更新所有滤波器,否则以较高的学习率更新未被遮挡的子块滤波器。(二)现有基于分块的目标跟踪算法可以一定程度上减弱遮挡的影响,但在跟踪过程中,基于分块算法忽视所跟踪目标作为完整体拥有的全局信息,并且只根据子块的最大响应值对目标进行定位,导致跟踪精度不高,针对这个问题,提出一种结合目标全局信息的目标跟踪算法。首先在分析目标区域不同分块方式对跟踪精度和效率影响的基础上,将目标区域分成四个子块;然后引入第三章提出的遮挡判断和更新策略,对滤波器进行更新;最后融合多子块位置信息确定目标的最终位置。(三)为了验证该方法的有效性,在最具权威的数据集OTB(Object Tracking Benchmark)上进行对比实验。在反馈式更新策略算法上,实验结果证明,采用新的反馈式更新策略有效缓解了模型更新时模板污染退化的问题,尤其是当目标出现遮挡时,采用该策略的方法具更可靠的模型。在判定的分块算法上,其实验结果表明,该方法能有效判定目标是否存在遮挡,提升目标跟踪的成功率,并较大提升遮挡情况下跟踪效果。从而达到在没有出现遮挡时,利用完整的目标本身模板确定目标位置,和出现遮挡时融合多子块位置信息预测下一帧目标位置的目的。