智能视频监控、人机交互及机器人导航等应用场景中普遍存在背景嘈杂、光照多变等环境因素，给目标跟踪系统的鲁棒性带来了挑战。本项目通过感知背景、光照等环境因素，从建立精确的目标模型、特征选择和融合、光照校正三个方面来建立对环境鲁棒的目标跟踪理论并设计相关算法。通过感知目标外围背景的变化，估计目标区域各像素属于目标的先验概率并用于建立目标模型，以提高目标模型的精度。以“候选区域与其外围背景区分度大且与目标模型相似度高”作为特征评价准则，将特征选择和融合嵌入到目标搜索过程中，以保证在环境发生突变时目标与背景仍具有较高的区分度。利用目标在不同帧反射率不变的事实对颜色恒常性问题作进一步约束，将目标光照校正到上次更新目标模型时的光照下，获取对光照鲁棒的颜色特征，以克服光照变化对目标跟踪的影响。研究成果将为智能视频监控、人机交互及机器人导航等应用提供技术支撑。