视觉目标跟踪在智能视频监控、机器人、人机交互、智能无人系统等领域具有广泛的应用,是目前计算机视觉领域的研究前沿热点之一。具备实时稳定的视觉目标跟踪功能可使移动机器人通过人机交互,帮助人完成各种复杂且繁重的工作,例如跟踪行人完成行李或者货物的搬运。但是,由于目标被遮挡、消失、目标形变、光照变化等复杂情况给跟踪算法带来了极大的挑战。因此,针对机器人跟踪过程中的模型错误更新、目标被严重遮挡和目标消失等复杂情况,本文在基于相关滤波跟踪算法的基础上,提出了若干新的改进算法。本文的创新研究可以总结为三方面:（1）提出了一种结合响应置信度和峰旁比的跟踪不确定估计方法。针对传统相关滤波跟踪算法无法对跟踪结果进行判断的问题,利用跟踪响应图在不同目标状态下表现出不同的响应特征,设计了结合峰旁比和响应置信度的评价指标来检验跟踪结果的可靠性。在此基础上,为了避免因样本污染或者样本雷同造成的模型污染或过拟合问题,进一步设计了自适应模型更新方法,该更新方法可以根据跟踪结果的可靠性实时调整模型和样本的学习率。在OTB100数据集的测试结果表明改进算法的跟踪精度得到了提升。（2）提出了一种基于全相关响应的目标重检测方...