运动目标跟踪作为计算机视觉领域的一个重要的分支,在视频检索、场景监控、犯罪行为分析等多个方面都有着广泛的应用。但是,受到复杂环境和目标自身不确定性因素的影响,真实的跟踪过程极为复杂,一个好的跟踪算法需要处理好跟踪过程中出现的光照变化、目标遮挡、姿态变化等干扰因素。为此,几十年来,各种运动目标跟踪算法层出不穷,各有优劣。最近几年,视觉显著性获得了广泛的关注。所谓视觉显著性机制,就是模拟生物视觉特性,特别是人类视觉特性的一种关注机制,该机制具有“记忆性”和“选择性”,能够利用对目标表观的过往记忆,结合目标本身在颜色、尺度等方面的独特性,从复杂的图像序列中排除干扰,定位出目标。本文在粒子滤波采样跟踪算法的框架下,通过模拟人类视觉特性,提出了基于视觉显著性的运动目标跟踪算法,文章主要做了以下两个方面的工作：1.针对在跟踪过程中采用单一颜色特征导致跟踪鲁棒性不强的问题,提出一种利用视觉显著性特征和颜色特征进行融合跟踪的视觉跟踪算法。众所周知,颜色特征虽然对部分遮挡和目标尺度变化等干扰因素抵抗性较强,但是对光照变化非常敏感,且当目标发生姿态变化时,颜色特征表观模型及其采用的模板更新机制容易产生模板漂移,造成跟踪失败。本文研究了一些现有的显著性检测算法,通过在跟踪图像序列中测试,选取了检测效果好、计算量小的算法用于跟踪。在场景发生光照变化或目标发生姿态变化前后,利用目标区域在显著图中显著度的不变性对目标位置进行定位,避免采用单一颜色特征跟踪时容易发生的漂移现象。2.针对当前一些利用“自底向上”显著性检测算法得到的显著图中,目标区域显著度不高的问题,提出一种利用目标先验信息的显著性检测算法,并应用于遮挡目标跟踪当中。现有的显著性检测算法大多利用目标尺度大,靠近图片中心等特点来构造算法,在实际用于跟踪的图片序列中,目标所处的环境往往很复杂,目标的尺度有时很小,目标有时也不在靠近图片中心的位置,这些都对现有的显著性检测算法造成了挑战。但是,目标在第一帧的位置是已知的,如何利用目标先验信息来构造显著性检测算法,是解决以上问题的关键。本文模拟人类视觉特性中的“记忆性”,在HSV颜色空间中,提取目标区域颜色直方图,并将其反向投影到整个图片当中,生成视觉显著图。这样,当目标发生部分遮挡时,可以利用显著图中目标未被遮挡部分的信息,“选择性”地定位出目标,避免发生跟踪丢失现象。实验结果表明,本文提出的视觉显著性特征能够有效弥补颜色特征的不足,提高跟踪鲁棒性,本文依据目标先验信息构建的显著性检测算法,检测效果好,在跟踪序列测试中,能够有效应对一般性遮挡问题。