随着国内外机器智能化的迅速发展,视觉信息作为人类获取外界信息中的重要信息之一,已经引起越来越多的计算机研究人员的关注。在数十年的计算机科学研究发展的进程中,针对机器视觉方面的科学研究已经成为计算机研究领域非常热门的研究方向。基于视频的运动目标跟踪算法的优化研究在机器视觉研究热潮中是最为重要的一个研究分支。视频跟踪在现代生活中如智能监控,交通管制,军事导航及医疗诊断等众多领域中都有广泛的应用。因此,设计一个鲁棒的目标跟踪算法在理论和实践中都具有十分重大的意义。在实践应用当中,运动目标的跟踪算法研究依然存在各种各样的挑战,如目标被部分遮挡或全部遮挡,环境光照变化,目标运动突兀,目标外观纹理改变,背景混杂,低分辨率等,如果这些不利因素得不到解决的话,都会对目标跟踪的效果产生不利影响,甚至跟踪失败。到目前为止,有众多计算机视觉研究人员在对目标跟踪算法不断优化做出了巨大的努力和贡献,但是在不限制的长时间动态视频中,由于外部环境的不可预测性以及目标外观特征多变性,使得成功地设计出一个鲁棒的目标跟踪算法成为了一个较难的研究课题。基于相关滤波器的视频目标跟踪算法是当前最为流行的跟踪算法之一。相关性滤波器运用于目标跟踪的思想：相关性是用来衡量两个信号的相似度的,如果两个信号越相似,则其相关值就越高。在设计跟踪算法时,需要设计一个滤波模板,使得当它作用在跟踪目标位置上时得到的响应最大,则此位置为当前帧中目标的位置。本文在基于相关性滤波器跟踪的基础之上,针对跟踪过程中存在的遮挡问题,引入了多信息融合跟踪的思想,提出了一种结合上下文信息和颜色信息来描述目标特征的跟踪算法。本文的主要工作如下：1)提出了一种改进的上下文信息目标跟踪算法。该算法通过改进置信图的计算方式(即每一帧目标位置的响应方式),使STC目标跟踪算法的目标位置和目标尺度大小更加准确。实验结果对比也表明了该方法能有效地提高原算法的准确性。2)提出了一种融合上下文信息和目标外观信息(颜色信息)的目标跟踪方法。该方法首先利用图像灰度信息和目标中心点与目标周围局部区域之间的空间位置信息来获取上下文信息,同时计算并利用颜色信息来描述目标的外观特征信息,然后我们设计一个基于上述两种信息的目标滤波模板,最后通过相关性滤波器响应,得到下一帧目标的位置。最终实现了长时间的鲁棒性目标跟踪算法。本文的最终研究目的就是通过上述研究工作,设计出一个准确的、鲁棒的目标跟踪算法。本文算法是采用了多种特征信息融合的方式来提高准确率和成功率,同时保证跟踪算法实时高效的运行。为了验证本文算法的实用性和有效性,在实验过程中,和已有经典的跟踪算法进行了对比,并在多个测试视频序列上进行实验。实验结果表明,本文算法能够更好地处理目标被部分遮挡或全部遮挡问题、环境光照变化、目标尺度变化和目标外观形状变化等异常情形。目标跟踪的准确率和成功率都优于其他算法。