视觉目标跟踪算法是研究在给定的一个连续的视频帧中,标注好第一帧中需要跟踪的目标的大小及位置,之后利用算法去预测后续帧目标所在的位置,从而得到目标的运动轨迹。该技术为视频序列的分析和理解提供了重要的依据和基础,并且在生活中有着广泛的应用。如:在军事领域部分包括无人飞行器（UAV）、精确制导（PGW）、空中预警（AEW）、战场监视（BSL）等;生活常见方面包括移动机器人(（AMR）、智能视频监控（IVSS）、智能交通系统（IVHS）、人机交互系统（HCI）和虚拟现实系统（VR）等。虽然目标跟踪在过去的研究过程中已取得了不错的成绩,但是当把跟踪算法应用到实际环境时,效果仍然不尽如人意。因此在实际应用中,目标跟踪算法依旧面临着巨大的挑战。其中主要的挑战包括:目标尺度的剧烈变化、目标产生遮挡甚至完全遮挡、目标运动过快产生的运动模糊、目标的剧烈形变、单一目标跟踪与多目标跟踪等问题。基于上述目标跟踪领域仍然存在的问题分析,将通过特征融合、响应值峰值判别和多模板更新等方法对基础算法背景感知滤波器（BACF）进行改进。本文基于OTB100（目标跟踪基准数据集）展示了本文算法与最近几年的多种优秀的目标跟踪算法做实验对比分析,得出本文算法在局部遮档、重度形变、运动模糊和背景混乱等复杂环境下,具备更优的跟踪性能。表示本文算法相较于其他对比算法更能适应各种复杂的跟踪场景,且能表现出来优异的精确度和鲁棒性。尤其在成功率和精度值上比本文基础算法有极大的提升。