视觉跟踪已成为应用数学、计算机视觉等交叉学科的热点问题,其任务就是在一段视频的每一帧中将感兴趣的目标标记出来。该领域的研究不仅具有深远的理论意义,而且具有广泛的应用价值,例如安防监控、人机交互、智能交通、医疗诊断等。模板匹配算法计算相对简单、鲁棒性强,已成为视觉跟踪的常用算法。目前,已有多种模板匹配算法被提出,广义上可分为基于灰度相关的方法和基于几何变换的方法。其中,基于灰度相关的方法简单易行,精确度较高,得到了较好的应用。但这种模板匹配算法仍有一些不足之处,如模板尺度固定、模板漂移、计算量大等。为了解决这些问题,本文对已有算法和研究进行了大量分析,在此基础上,提出了基于高斯尺度空间的模板匹配算法。主要内容有：首先,借助高斯尺度空间理论,模板能够适应目标的尺度变化进行自适应更新,使算法在没有形状突变时跟踪上目标的绝大部分,提高了跟踪的准确度。其次,分析了模板漂移现象产生的原因,并提出了解决方案,使算法在遮挡和一定程度的形变情况下仍能保持不错的跟踪效果。再次,提出了一种改进的菱形搜索(IDS)算法,它结合了三步搜索(Three Step-Search,简称TSS)、新三步搜索(New Three Step-Search,简称NTSS)和菱形搜索(Diamond Search,简称DS)算法各自的优点,在寻求全局最优的基础上,提高了匹配速度,解决了模板匹配计算量大的问题。复杂场景下的实验表明,提出的模板匹配算法是一种快速、鲁棒的视觉跟踪算法,能够处理目标尺度缩放、运动轨迹变化、遮挡、一定程度的形变等问题。本文的思想和算法即将被应用到东软集团的产品研发中。