视觉目标跟踪技术是计算机视觉研究领域的主要组成部分之一,该技术在智慧安防、精确制导、人机互动等领域有着广泛的应用。目标跟踪主要解决的问题是在连续的视频或图像序列中估计目标在后续图像中的位置、尺度等信息,并根据这些信息确定目标的移动速度、移动方向等信息,以便为更高级的计算机视觉任务服务。在目标跟踪过程中当被跟踪的目标受到遮挡、模糊等干扰因素影响时极易造成跟踪模板漂移,而跟踪模板是跟踪算法实现准确跟踪的关键,因此为了提升模板的可靠性,本文针对视觉目标跟踪算法中模板更新的部分关键技术进行了研究。在相关滤波目标跟踪领域,传统的模板更新方式应对复杂环境的能力不尽人意。为了提高跟踪算法的鲁棒性,降低目标跟踪算法中跟踪模板发生漂移的概率,本文设计了一种新颖的增量多模板更新策略。该策略首先分析了不同历史滤波模板对于跟踪算法实现准确跟踪的贡献,分析结果表明可靠性高的滤波模板是实现准确跟踪的关键。因此,本文提出将局部历史可靠性最高的滤波模板作为增量模板在跟踪模板更新时进行融合,并根据目标当前状态自适应地调整模板更新过程中的学习率。该策略通过适时增量融合局部历史最优模板等方式有效地缓解众多干扰因素对跟踪算法准确性的影响。本文将增量多模板更新策略应用于两个优秀的跟踪算法ECO和ECO-hc中,在三个测试数据集中（VOT2016数据集、OTB100数据集和UAV123数据集）的实验结果表明,本文设计的增量多模板更新策略对相关滤波跟踪算法有明显的提升效果。目标在快速移动状态下目标外观变化的可能性增大、目标出现模糊的概率增加,极易造成跟踪算法丢失目标。为了降低目标快速移动对跟踪算法性能的影响,本文设计了一种基于目标移动速度的模板稀疏更新目标跟踪算法。首先根据历史信息预测目标的当前移动速度,然后根据目标的移动速度自适应的调整跟踪模板更新间隔帧数,同时根据目标的移动速度自适应的调节尺度变化因子。该算法根据目标的移动速度自适应的调整模板的更新间隔和尺度估计因子有效地降低了跟踪模板欠拟合及漂移的概率。在VOT2016数据集上的对比试验证明,本文设计的基于目标移动速度的模板稀疏更新目标跟踪算法应对目标快速移动的能力较强。