视觉目标跟踪作为计算机视觉领域的热点问题,其主要目的在于确定视频每一帧中目标的位置,在视频内容分析和理解方面起着重要的作用,如自动监控、人机交互和视频检索等。然而,在实际应用中受到各种干扰因素影响,如视频采集设备自身的低分辨率和噪声、视频场景中的阴影／光照变化、视觉目标的运动模糊和遮挡现象等,实现有效的视觉目标跟踪并不容易。为此,本文研究建立鲁棒的视觉目标外观描述模型,并在跟踪过程中结合先验约束以提高跟踪方法应对干扰因素影响时的稳定性。具体工作内容如下：(1)介绍了视觉目标跟踪的背景和意义,并对其实现流程进行了梳理。之后整理和讨论了视觉目标跟踪存在的问题及产生的原因,总结了建立鲁棒视觉目标外观描述模型需具备的条件,并对视觉目标跟踪的研究现状进行了分析。此外,针对跟踪流程中各个基本环节的具体实现方式进行了详细说明和评价。(2)为实现有效的目标跟踪,研究以区域节点表达目标的各个局部区域,并构建区域节点的结构关系,完成目标的分层结构化外观描述。在此基础上,将目标跟踪问题转换为区域节点的运动状态估计。利用SIFT流匹配粗略估计区域节点的运动状态,之后结合结构化外观描述对粗略估计结果进行适应性结构保持约束调整,降低干扰造成的不确定性,提高区域节点运动状态估计结果的精度,从而实现鲁棒的目标跟踪。(3)为了在简化视觉目标描述和方便跟踪操作的同时,维持跟踪方法的有效性,研究利用简单的链状结构随机场模型将各线索描述下的目标对象以及目标对象间的运动一致性先验约束进行统一表达,将跟踪问题转化为随机场目标函数的简单优化求解,既考虑各线索对目标位置的高似然估计,又要求各线索对目标位置估计的差异较低,避免异常情况的影响,以维持跟踪方法的有效性。