目标跟踪是计算机视觉里的一个重要分支,被广泛应用于诸如行人检测,智能监控,人机交互及机器人等领域。相关滤波跟踪方法是研究热点之一。论文针对相关滤波跟踪中存在的问题,开展了利用颜色先验信息和上下文信息来描述目标特征的跟踪方法研究。论文主要工作及取得的成果如下:(1)提出了一种结合颜色分布先验特征和时空上下文信息的目标跟踪算法。在相关滤波框架下,通过利用颜色分布先验信息来抑制相似目标和背景的干扰,利用时空上下文信息来抵抗遮挡,由二者结合计算得到算法里的置信图,使得算法的跟踪结果更加准确和鲁棒。仿真实验结果表明,跟踪效果表现优异。(2)提出了一种新的目标模板更新策略和更新判定指标。通过对跟踪结果可靠性的判定,来严格控制更新过程的执行。当目标发生遮挡时就不进行更新,以避免引入背景信息,使目标模板受到污染,来提高算法的鲁棒性。同时,算法也利用尺度金字塔来解决目标的尺度变换问题。(3)给出了一种重检测机制。在算法判定跟踪结果不准确或者目标丢失后,将会重新在上一帧目标周围对目标进行搜索检测,重新获取目标以避免算法跟踪错误的目标导致跟踪失败。实验验证结果表明,重检测机制的加入提升了算法的鲁棒性。(4)给出了仿真实验验证和目标性能评价,在CVPR2013Benchmark评价准则提供的目标跟踪视频数据集上评估进行了验证实验,并与当前的主流算法进行对比,分析算法的鲁棒性和优势。实验结果表明,提出的目标跟踪算法在复杂背景,目标遮挡、旋转、快速运动、形变等复杂情况下都能适应目标表观的变化,具有较强的鲁棒性和实时性,实时性达到50fps。