随着信息技术的迅猛发展，人们对视频图像处理的需求日益增多，目标跟踪在视频监控、人机交互、智能交通等各领域的应用不断增大，引发了在目标跟踪领域的深入发展和广泛研究。虽然广大学者已经提出了诸多用于目标跟踪的理论和方法，但由于实际跟踪场景的复杂性和多变性，目标跟踪仍然面临着巨大的挑战。本文的研究目的就是针对目标跟踪中出现的目标产生较大形变、光照发生不同变化等复杂情况，对目标跟踪技术进行研究和改进，设计更加智能可靠的目标跟踪系统。在传统颜色直方图的基础上，针对目标跟踪的特性，本文在直方图的计算中引入像素点间空间位置的信息得到改进的颜色直方图，提出像素点光照不变特征的计算方法。本文介绍了超像素的有关概念和超像素的计算，通过超像素学习产生前景/背景置信图对选择区域做出前景概率的判断。针对目标形变较大情况下的跟踪，本文提出了基于超像素学习的分块目标跟踪系统框架。利用超像素分割产生感兴趣的目标分块，对目标分块采用星形拓扑模型进行描述。在粒子滤波的整体跟踪框架下，采用自适应的Basin HoppingMonto Carlo方法对样本分块进行采样，并通过基于超像素学习与分块选择的协同更新机制对目标分块进行筛选和在线更新。对于光照变化情况下的跟踪，对图像进行光照不变变换，进而采用分块目标跟踪系统进行后续跟踪。实验结果表明，本文提出的基于超像素的分块跟踪系统在目标发生巨大形变和光照变化的情况下均能达到良好的跟踪效果。