视觉跟踪技术,是机器视觉领域一个重要的研究方向,是更高层次的动作识别、行为理解的基础,无论在安防监控、交通管制、自动汽车驾驶,还是在军事侦查、机器人自主导航方面,都有着迫切的应用需求和重大的研究意义。随着,神经网络、支持向量机等优秀机器学习算法的出现,人工智能得到迅速发展。分类预测的处理方法,在各个领域得到很好的验证,并在实践中发挥重要的作用。基于分类机制的视觉跟踪算法,是近几年新兴的研究热点之一。它将运动目标视觉跟踪问题看作一个分类问题,将跟踪目标像素作为某种前景类别,目标所处环境像素作为背景类别,通过分类器将各目标和背景的像素类别在后续图像中分类开来。以此,完成跟踪任务。本文从机器学习的角度出发,将机器学习的智能算法和视觉跟踪的实践相结合,运用覆盖分类算法对目标进行检测、跟踪,并取得较好的效果。首先,本文按照算法关注焦点的不同,将目前流行的各种视觉跟踪算法进行分类。并围绕此分类思路,分别介绍各算法的机理,分析各自的优势和缺陷,从中吸取好的方法和经验。其次,文章总结了视觉跟踪中常用的目标特征,并分析各自特征的本质缺陷。由此,结合实践需要提出分块编码方式。再次,详细介绍了覆盖分类算法的原理和实现流程,在理解的基础上对算法的意义进行总结和扩展,并开创性地赋予分类算法以性格,提出分类器学习行为的“自信型”与“保守型”风格的模拟。最后,将覆盖分类算法应用于视觉跟踪的实践中,并在实践中促进算法的改进,提出了覆盖分类目标检测、目标发现算法,以及用于结果优化处理的平面覆盖分类离群点消除算法。给出完整的基于覆盖分类的视觉跟踪算法流程,并通过实验验证其可行性和有效性。