视觉跟踪是计算机视觉技术中一个重要的分支,在工业、军事、安全等众多领域都有广泛的应用。视觉跟踪可以概括为使用图像处理,模式识别等技术对视频中的图像序列分析,计算目标在图像序列中的精确位置,估计目标运动轨迹的一门技术。尽管研究人员做了大量的工作,由于场景的复杂性,光照条件的不同及物体形变和相互遮挡的情况都极大的增加了目标跟踪的难度。因此为跟踪目标进行准确的建模是一个视觉跟踪系统成功的关键因素。　　本文研究了近些年视觉跟踪技术一些主流的方法,将其分为目标检测和目标跟踪两个方面。目标检测可以为目标跟踪提供候选跟踪对象,目标跟踪缩小了目标检测的范围,二者相辅相成。在目标检测中,背景差分法计算速度快,在实际应用中得到了广泛的应用。基于监督学习的方法训练得到的分类器可以将图像分为背景和目标,通过在线学习、更新分类器能够适应目标不断变化的情况。目标跟踪主要的方法有:粒子滤波、卡尔曼滤波和Meanshift方法。　　为实现对目标的快速跟踪,本文首先对当前帧图像进行ORB特征点检测,然后使用LK光流法计算这些特征点在下一帧图像中的粗略位置,最后根据粒子滤波思想,对特征向量相似度对目标位置进行加权求和得到精确的目标跟踪位置。通过实验证明,本方法在目标发生旋转、缩放等情况时都能实现准确的跟踪。