本文主要研究在复杂野外环境下,跟踪人体目标的算法。本文具体研究的算法包括两种,其中一种是传统目标跟踪算法,另一种则是目前新兴的基于深度学习的目标跟踪算法。本文所研究的复杂野外环境包括相近背景和遮挡背景。本文首先介绍了传统的目标跟踪算法的理论基础知识,选取最经典的MeanShift算法进行研究。并研究MeanShift算法在相近背景环境和遮挡背景环境下的目标跟踪应用。改进MeanShift算法,在其中融合了多特征提取法,使其在相近背景环境下准确对目标人体进行跟踪。MeanShift算法中添加Kalman预测机制,使跟踪目标被遮挡时仍能对目标的位置进行准确的预测,并且能一直持续跟踪目标。在这两种复杂背景环境中进行了研究实验,将传统MeanShift算法与改进后的两种算法分别进行对比分析。基于深度学习的目标跟踪是目前研究热度最高的一种目标跟踪方法。本文首先介绍了基于深度学习网络模型的基础知识,介绍一种孪生网络模型。本文选取基于孪生架构的GOTURN模型进行目标跟踪的研究。在相近背景环境下,使用GOTURN模型进行目标跟踪,并将其实验结果与基于多特征融合的MeanShift算法进行对比分析。在遮挡背景环境下,GOTURN模型加入TLD检测模块来解决遮挡问题,并将其实验结果与基于Kalman滤波的MeanShift算法进行对比分析。