随着科技的发展,目标跟踪技术依然是当下研究的热门且具有挑战性的一个课题,军事上导弹打击需要精确定位跟踪目标,医学上扫描跟踪病变细胞,机器视觉的机器人需要锁定目标并进行跟踪,交通上需要跟踪违规车辆等各个方面都离不开目标跟踪技术。在早期的跟踪方法中,颜色直方图是一种常见的外观描述方法。本文在基于颜色表示的情况下,解决了目标跟踪的目标对象部分遮挡问题,本文结合了干扰感知模型与背景对象模型,得到一个目标跟踪的对象模型。干扰感知模型可以有效抑制干扰区域,不会因为漂移而使得在后续帧中跟踪到与目标相似外观的区域,以确保健壮的跟踪性能。背景对象模型可以将目标对象从周围背景中区分出来,保证后续帧的跟踪效果。并且,尺度变化是跟踪中比较基本和常见的问题,尺度更新一定程度上也可以减少漂移现象,如果目标缩小,滤波器就会学习到大量背景信息;如果目标扩大,滤波器会跟随目标局部纹理移动,以上两种情况都很可能出现非预期的结果,导致漂移并跟踪失败。为了解决这个问题,本文采用了自适应尺度估计方法,可以显著减少漂移的问题,产生健壮和可靠的跟踪结果。最后利用视觉目标跟踪数据集(VOT)进行测试,实验结果表明,本文所研究的方法具有良好的跟踪性能。与张开华老师的STC跟踪算法和Xue Mei及Haibin Ling的跟踪算法(RVT)相比,这种基于颜色跟踪的方法在精度和鲁棒性方面都表现良好。此外,本文所研究的方法可以有效地实现实时在线目标跟踪。由此可见,这种基于颜色的目标跟踪在某些性能上达到先进水平,在VOT数据集中跟踪效果较上述两个目标跟踪器更优。