跟踪-学习-检测(Tracking-Learning-Detection,TLD)是一种全新的视频目标跟踪方法。该方法在第一帧中给定目标后,系统根据选定的目标初始化跟踪器和检测器,然后对目标进行稳健的跟踪,有重要的研究价值和广阔的应用前景。本文首先论述了课题的研究背景和意义,综述了国内外目标跟踪算法的研究现状,对TLD框架的工作过程进行了详细描述,对TLD中的跟踪模块、学习模块、检测模块和整合模块的功能以及用到的相关技术进行了分析。本文重点研究了视频目标的匹配方法,对序贯相似性检测和归一化互相关匹配算法进行了改进,提出一种分为粗精两步的匹配方法。算法首先采用改进的序贯相似性算法进行粗匹配,之后再利用改进后的归一化互相关匹配法进一步提高匹配的精度。本文在vs2008+opencv环境下实现了TLD跟踪系统,对采用原方法和新方法的系统进行了对比实验。实验表明,在匹配率、匹配速度和成功跟踪的帧数上,改进后的算法比原始TLD跟踪器本身的匹配算法更有效,更优越。