视觉跟踪是机器视觉研究的主要方向之一,因其广泛的应用需求和实际意义,成为机器视觉领域的研究热点。其中,基于相关滤波的视觉跟踪算法兼顾速度和精度的优势,吸引了大量学者的关注,并且取得了较为显著的效果。但是,在实际的环境中,由于遮挡、目标形变和尺度变化等影响,往往导致目标跟踪失败。随着RGB-D（颜色深度图）相机的普及,深度图能够反映空间信息,从而为遮挡检测和目标恢复提供了有效的空间依据。因此,基于RGB-D的跟踪算法逐渐得到重视和发展。本文研究了相关滤波跟踪算法的优缺点以及RGB-D在目标跟踪中的应用。在前人研究成果的基础上,针对目标遮挡以及目标多姿态场景下存在的问题,研究内容和提出的方法如下:1)针对目标遮挡场景下跟踪失败的问题,提出了一种基于RGB-D空间信息辅助的抗遮挡视觉跟踪算法。首先,在RGB-D上通过深度分布直方图聚类和二维连通性的级联深度目标分割,获取目标的蒙板、深度分布以及遮挡系数等空间信息。然后,联合目标的空间信息与相关滤波响应,准确的检测遮挡。当目标进入遮挡状态之后,根据目标空间候选点恢复目标跟踪。实验证明,提出的抗遮挡算法能准确的检测遮挡,并且恢复目标跟踪,提高了跟踪算法的抗遮挡性。2)针对目标大幅度形变和多姿态场景下跟踪失败的问题,在约束相关滤波跟踪算法的基础上,提出了利用级联式深度目标分割获取的精细蒙板对滤波器进行精确的空间约束的方法,消除边缘效应和局部跟踪的局限。另外,利用高斯混合模型进行模型分组,从而实现目标的多模型自适应更新。解决了在目标姿态变化和大幅度形变场景下,单一模型不能准确描述目标全部姿态而跟踪失败的问题。