目标跟踪是计算机视觉中的基础研究内容，高效率的目标跟踪算法也是无人驾驶、机器人、智能视频监控以及军事目标追踪等实际应用中的重要组成部分。尽管目标跟踪技术已经过几十年的研究，但由于实际场景的复杂性，至今仍然没有稳定可靠的算法能在现实场景中成熟应用。如何提升目标跟踪算法的实时性、鲁棒性和准确性，开发出高效率的目标跟踪算法用于实际应用仍面临着巨大的挑战。本文围绕目标跟踪算法在实际场景中遇到的光照变换、目标尺度变化、目标形变、目标旋转和遮挡等常见问题，以开发出能够实际应用的高效率目标跟踪算法为目标，结合仿生双眼视觉的新思路，对目标跟踪算法中的目标特征提取、目标在线跟踪分类器、遮挡处理和目标恢复等内容展开了重点研究。本文的主要内容与创新点如下:　　(1)高效率目标跟踪算法对实时性要求高，为了能够减少计算量提升跟踪算法处理速度，本文对压缩感知跟踪算法展开了深入的研究，并针对传统压缩感知跟踪算法中存在目标漂移问题，提出对目标进行局部分块匹配的方法。通过将全局压缩特征输入朴素贝叶斯分类器进行判断得到目标初步位置后，进一步利用局部特征进行匹配优化得到更精确的目标位置，并在此精确位置上提取样本更新朴素贝叶斯分类器。实验结果表明，本文提出的改进跟踪算法不仅保持了原压缩感知跟踪算法的实时性，还一定程度解决了目标漂移问题，能有效应对部分遮挡、光照变化、目标形变和旋转等场景，算法性能得到了提升。　　(2)针对实际场景中常见的目标尺度变化问题，本文提出了将目标位置估计和尺度估计分为独立的两部分，分别采用核相关滤波器和判别相关滤波器对目标的位置和尺度进行估计。同时，利用相关滤波器中的样本循环矩阵，将空间域的计算通过离散傅里叶变化转到频率域中进行，大程度减少了计算量，增加了跟踪算法的实时性。实验结果表明，本文提出的目标跟踪算法实时性能够达到百帧每秒，并能够解决目标尺度变换、部分遮挡、光照变化、目标形变、目标旋转等常见的难点。该算法实时性强，鲁棒性高，具有较大的实际应用价值。　　(3)为了进一步增加跟踪算法的鲁棒性，提高目标跟踪算法在实际应用中的效率，特别是应对比较难的目标全遮挡问题，本文基于仿生双眼视觉的理念，提出利用双目视觉感知的深度距离信息进行遮挡判断和目标恢复的方法。实验结果表明，该遮挡方法高效简单，提高了目标跟踪算法应对复杂场景的能力，提升了算法性能。　　(4)介绍了目前国际上首例的仿生可动双眼系统，并在此系统上进行了跟踪算法的实际测试。针对仿生可动双眼提出将机械补偿偏移量与图像处理算法相结合的方法，取得了较好的跟踪效果。该系统可以促进图像处理算法的应用化，在无人车、机器人中都具有较大的前景。　　本文提出的方法在多次实际项目中得到了验证，能够应对场景光照变化、目标形变、目标尺度变化、目标旋转和遮挡等挑战，具有较大实际应用价值。