为了提高复杂场景下目标跟踪的性能,针对图像中干扰因素及目标跟踪的实时性和精确性,本文提出了一种基于目标局部区域搜索跟踪和目标重捕获的跟踪方法。在跟踪过程中,局部目标跟踪与目标重捕获相互配合,经过视频测试,本方法在多种图像因素干扰下,对目标跟踪精度较高,实时好,相比于其他方法,本文方法没有出现跟踪丢失及跟踪不稳定等现象,具有较高的性能。本文的主要研究工作及研究成果如下:(1)分析图像序列中目标所受干扰的因素,提出了基于目标表征建模、局部目标跟踪及目标重捕获的总体方案,克服了长时间跟踪过程目标精度误差积累跟踪的不稳定;(2)根据复杂场景的图像中目标与背景的属性差异,分别从灰度特征、轮廓特征、纹理特征以及运动特征等角度对目标提取特征,建立目标特征权重自适应调整的表示模型;(3)依据相关滤波原理,建立了目标样本采样模型,将该采样模型应用到岭回归分析算法中,从而构建了局部区域跟踪算法。该方法有效的提升了目标局部区域搜索的精度,大幅度提高了算法的运行速度。(4)针对目标局部区域搜索出现的问题,应用级联分类器来实现目标重捕获,克服了目标跟踪丢失和不稳定。通过与其他跟踪算法对比分析和干扰测试,验证了本方法的性能,得出了算法对图像序列质量的要求,确定了算法的边界。依据本文算法,设计实现了基于图形用户界面(GUI)的目标跟踪软件平台。本文所研究复杂场景下的目标跟踪方法可为视频监控、人机交互、机器人感知以及武器装备等应用提供理论基础。