运动目标跟踪是计算机视觉领域的一个重要课题,在智能监控、军事国防等方面有着广泛的应用。然而遮挡干扰带来的目标特征保持不稳定的问题,极大影响了目标跟踪技术的鲁棒性。为了适应这种情况,提出色斑模型用于彩色图像中目标的描述,并在色斑模型基础上研究并提出了面向刚体目标及非刚体目标的在遮挡干扰下的跟踪算法。色斑模型从目标的色调概率信息及色斑的方位信息两个角度对目标进行约束,是一种基于区域特征及点特征的融合特征模型。在对色斑模型目标进行运动分析时,可以从多个角度选取特征进行跟踪计算,保证了跟踪算法的鲁棒性。针对刚体目标遮挡干扰下的运动跟踪问题,提出一种基于色斑模型的Kalman滤波跟踪算法。该算法利用离散化的独立色斑进行色调相关匹配,将得到的匹配结果加权得到目标整体运动信息。使用Kalman滤波对色斑质心进行预测,一方面用于缩小下一帧色斑特征匹配时的搜索域,另一方面用于同色斑质心的观测值联合判断遮挡的产生,并在遮挡发生后利用Kalman预测值继续跟踪目标。实验表明,该算法对于刚性目标在遮挡干扰下能实现稳定的跟踪。为了将跟踪目标从刚体扩展到非刚体,提出一种基于色斑模型的MBMW-Shift算法。该算法基于非参数估计理论,将均值漂移算法改进为多色调和极权值的离散化漂移方式。并基于各个色斑之间运动的相关性,设定遮挡判决函数用于遮挡下的跟踪。实验表明,该算法相较于经典均值漂移算法,能够在目标特征丢失的情况下保持鲁棒的跟踪效果。