随着公共场所和与工作相关的场所中安全摄像机的日益普及,对视觉对象跟踪的需求也越来越大。目前,目标跟踪正在被很多行业应用,例如视频监控、交通流量监控、智能环境等。在目前的计算机视觉相关研究中,目标跟踪是图像领域中最具挑战性和新兴的主题之一。在目标跟踪中,有许多影响跟踪性能的因素,包括目标间遮挡、目标与背景间遮挡、照明变化、动态背景以及帧噪声等。本文结合了室内和室外环境中的几种方法来解决上述问题。首先,本文分析了具有鲁棒性和简单设计特性的均值漂移跟踪(Mean-Shift Tracking,MST)算法。但是,MST在具有挑战的条件(例如遮挡和照明参数变化)中使用时会有一些限制。为了解决部分和完全遮挡问题,本文提出了基于图像相似性度量(Image Similarity Measures,ISM)的单目标跟踪(Single Object Tracking,SOT)方法,包括归一化互相关(Normalized Cross-Correlation,NCC)和NCC扩展方法。在不同的室内和室外场景下的实验结果证明了本文针对各种跟踪参数采用权衡策略后所提出方法的有效性。因此,本文在遮挡相关场景中实现了快速可靠的对象跟踪。此外,本文还针对室内和室外环境提出了一种多对象跟踪(Multi-Object Tracking,MOT)方法。所提出的方法基于计算机视觉的众多特征和属性,例如自适应背景扣除,移动平均值,图像形态,轮廓和边界框。此外,基于高斯混合模型(Gaussian Mixture Model,GMM)进行了自适应背景减法。本文通过引入照明变化、创建动态背景和与遮挡有关的场景,证明了本文提出的方法的可行性。本文优化方法在设计中提供了认知能力,因此使其具有自我管理和自我配置的能力。本文的仿真结果表明,MOT方法可以准确地跟踪多个对象,准确率为85.71%。