单目标跟踪研究在计算机视觉领域的重要性日益凸显,被广泛应用于实际生活中,如智能交通、智能监控、无人驾驶等。当前的目标跟踪研究主要以基于检测的跟踪及基于孪生网络对比的跟踪为主,这些算法均能较好地处理如背景干扰、光照变化、目标形变等挑战,但是对于目标遮挡往往效果不甚理想。针对这一情况,本文提出将“基于检测的跟踪”与“全局目标轨迹辅助跟踪”相结合的思路来应对目标遮挡的挑战。具体的工作内容如下:(1).针对目标轨迹获取问题,本文提出了基于图像拼接的全局目标轨迹获取算法。具体地,采用基于SIFT的图像拼方法接将所跟踪的视频序列拼接成一幅“全景图”,并依次获取目标在“全景图”中的运动轨迹。之后利用支持向量回归对目标的相对坐标进行拟合,从而获得相应的运动轨迹,进而预测目标的下一步运动趋势。(2).针对轨迹辅助跟踪问题,本文通过提升符合运动趋势所在区域目标候选样本置信度的做法来实际辅助跟踪。具体地,提出两个权重因子Q、W,前者用于提升符合运动趋势的目标候选样本的权重;后者一方面用于减少原有算法所产生的置信度干扰,另一方面也避免由于增加Q所引起的概率问题。(3).特别的,针对目前跟踪研究中数据集较为缺乏目标遮挡挑战性视频序列的客观问题,同时也为验证上述所提思路的正确性。本文提出了一个全新的以目标遮挡为挑战性的数据集OFV-25,包含25个视频序列,共计3900帧。在实验部分,本文将所提算法与同时期其他经典算法在OTB-100数据集上进行测试,实验结果验证了基于全局目标运动轨迹辅助跟踪思路的正确性。而在OFV-25数据集上的测试则更加凸显了该算法及数据集的有效性。