视觉目标跟踪是计算机视觉领域的热门研究方向之一,被广泛应用于人机交互、智能监控等现实场合中。当前,在目标跟踪领域,虽然科研工作者已经提出了很多先进的目标跟踪算法,但是由于目标跟踪模型的稳定性-可塑性困境、背景的随机性、跟踪速度和精度平衡性等挑战性因素的存在,现有的目标跟踪算法基本上都无法很好地实现鲁棒的实时目标跟踪。因此,视觉目标跟踪依然是一个极具挑战性的课题。为了综合解决目标跟踪面临的各种挑战性问题,实现实时性好、准确性高的视觉目标跟踪,本文提出了一个全新的目标跟踪框架,并基于超像素和相关滤波实现了实时的长期目标跟踪。与现有视觉目标跟踪算法相比,本文的主要贡献在于:第一,提出了一个新颖的目标跟踪框架,即联合预测-检测-修正的目标跟踪框架。预测模块用于估计目标的运动偏移量和尺度变化量,并将预测参数传递给检测模块;检测模块结合预测参数,用于定位目标位置并确定目标尺度范围;修正模块通过在线训练分类器进行实时的目标位置检测,并结合精化机制修正目标位置。通过这个跟踪框架,可以实现稳定的长期目标跟踪,有效解决诸如目标遮挡、目标消失等问题。第二,提出了基于超像素分析和光流的目标运动趋势和尺度变化预测方法。结合超像素分析进行目标外观重构,并用重构后的超像素中心计算光流,通过光流预测目标位置偏移和尺度变化。这个方法能有效地对目标进行运动和尺度分析,为后续精确跟踪提供有效的预测参数。第三,提出了基于超像素预测参数的改进核化相关滤波跟踪方法。由于核化相关滤波无法很好解决目标大范围运动和尺度变化等情况下的跟踪,本文将预测参数结合核化滤波器,构建不同的位置滤波器和尺度滤波器,同时引入基于滤波响应的自适应学习因子更新模型参数,从而改进核化相关滤波的性能,实现稳定的实时目标跟踪。第四,提出了基于密集采样样本和历史可靠样本的支持向量机检测修正模块。结合滤波响应值,通过消极对抗学习法和重训练,在线训练双支持向量机进行目标的快速检测,并基于检测结果的相关滤波响应修正跟踪目标位置。通过在目标跟踪基准数据集(OTB-2013)、Temple-Color128和TB-100等数据集上进行大量的整体性定量分析、分属性定量分析、整体性定性分析、算法实时性分析、参数有效性分析、模块有效性分析等实验,证明了本文提出的目标跟踪算法(PDCTs)整体性能达到了当前最先进的水平,不仅能够实现高精度、高成功率的目标跟踪,而且具有较好的实时性;同时,也证明了本文提出的目标跟踪算法的各个模块的有效性、参数设置的合理性、解决各种挑战性因素的可靠性。最后,本文还探索了目标跟踪算法在空中书写系统中的应用。根据单指尖空中书写的不足之处,提出了基于捏合指尖姿态的空中书写模式,并将本文提出的目标跟踪算法应用于捏合指尖的跟踪,获取跟踪轨迹,从而实现基于视频的空中书写的功能,证明了本文提出的目标跟踪算法的实用性。