目标跟踪作为计算机视觉最基础和活跃的研究课题之一,已经广泛运用于人工智能、视频监控、无人驾驶等领域。然而,跟踪过程中目标的外观变化、被遮挡、形变、尺度变化、光照变化等问题,使得可靠跟踪依然是目前该方向研究的难点。为了实现更精确的实时RGB-D目标跟踪及稳健的遮挡与形变处理,本文基于核化相关滤波算法提出一种基于深度模型的目标跟踪的方法。本文主要工作如下:针对核化相关滤波跟踪过程中,表观模型表达能力弱以及跟踪结果融合问题,提出了多特征表征模型和通过特征置信度融合跟踪结果的方法。首先,为增强目标表观模型的表达能力和稳健性,在Depth信息特征提取中沿用对几何信息敏感的HOG特征,而在RGB信息特征提取中引入对颜色信息具备更丰富表达能力的11个颜色名称特征。其次,由于核化相关滤波是分别在RGB与Depth序列中进行的,当目标外观变化时,会引起两个结果可靠性的变化。为了获取更精确的总目标位置估计,采用在线回归模型和自适应相对值的方法衡量两个结果的特征置信度,并以特征置信度融合跟踪结果。针对深度信息分割过程中,模型的稳健性以及目标被遮挡或形变时发生的跟踪边界框纵横比变化问题,提出了基于整体与分块的深度模型以及区域生长法来处理纵横比。首先,深度模型建立过程若存在人为设置参数,在应对各种跟踪场景时会降低跟踪器鲁棒性。本文采用了基于高斯混合聚类的整体深度模型以及提出了基于分块深度直方图的深度模型。高斯混合聚类中仅需估计初始分量数。在分块深度模型中,利用每个子块的深度均值与上一帧的目标深度均值之间的差异性来分配权重,再利用权重的分配实现整体目标模型的获取。其次,针对相关滤波必须保持摸板尺寸的问题,提出频域内保持模板不变,时域内结合深度模型参数处理尺度,同时采用区域生长处理遮挡与形变。本文设计的实验系统工作状况良好,实验结果具有一定的精度,证明了提出的技术方案和采用的原理是正确的,对研制实际的助降系统和归航引导系统具有重要的参考价值。