计算机技术的不断发展促进了目标跟踪在人类生活中的广泛应用。目标跟踪作为模式识别的应用领域之一,成为国内外学者的热门研究课题。但是,随着信息时代的到来,爆炸式的信息量使得目标跟踪环境变得日益复杂。以往算法在光照变化、多干扰物、目标自身形变等复杂条件下显现出鲁棒性弱、跟踪精度低、持久性差的问题。针对周围复杂环境对目标跟踪干扰过大导致跟踪稳定性差的问题,本文提出了基于视觉注意机制的目标检测跟踪算法和基于目标模板库的多任务目标跟踪算法。论文主要研究内容如下:首先,论文研究了本文算法所涉及的图像预处理方法和特征提取技术;介绍了图像采样量化技术对目标图像进行预处理;重点改进了压缩感知特征提取技术,为论文的跟踪算法提供了理论上的保障。其次,论文提出了一种基于视觉注意机制的目标跟踪算法。该算法基于经典视觉注意机制跟踪模型,模拟人类视觉神经系统构建了运动神经通路、感知神经通、中枢神经通路对目标特征进行有效提取和处理;算法对不同通路提取的特征运用中央-周边差分算法计算高斯金字塔下多层特征图,然后整合为显著总图;通过“优胜劣汰”规则对不同显著度的区域进行标定,确定感兴趣度最大的区域作为目标区域实现目标跟踪。另外在系统中加入压缩感知模块对输出特征进行实时监控,解决了跟踪信息丢失问题,调高了跟踪鲁棒性和稳定性。实验表明该算法在应对复杂背景和光照变化跟踪条件下有很好的效果。再次,针对目标形变问题,论文提出了一种基于目标模板库的多任务目标跟踪算法。该算法将视频分为不同行列的小格作为不同的子任务;用多特征匹配方法筛选“粗略”任务小格,然后将筛选出来的子任务用“边缘扩展”规则整合为整体跟踪任务实现“精细跟踪”;另外,借鉴人类视觉与大脑的记忆关联性,建立一个目标模板库存储不同的目标状态历史信息,为每一步跟踪过程提供模板。实验表明该方法能有效解决目标跟踪中出现的自身形变、干扰物遮挡的问题。最后,对论文进行了总结并对进一步的研究进行了展望。本文算法能较好的应对各种复杂条件下的目标跟踪任务并且显现了良好的稳定性和鲁棒性。但是在应对多个目标跟踪任务时由于论文算法计算量过大导致实时性不好,这将是未来课题的研究方向。