目标跟踪一直是计算机视觉中非常重要的研究内容,相关研究人员做了大量工作。但是目标跟踪领域依然存在众多问题,为实现更加鲁棒的跟踪过程,本文着重在传统核相关滤波跟踪框架的基础上,通过结合现有的跟踪算法以及深度卷积网络。主要做了以下几点工作。针对传统核跟踪算法单一特征的局限性、目标模板和特征外观模板更新的不足,提出了一种多通道特征和择优并行更新的核相关滤波跟踪算法。采用多通道特征提取方式:上支路采用卷积神经网络提取深度特征,下支路则将HOG特征和CN特征相结合用于训练与跟踪。采用新的目标模板和特征外观模板更新方式:择优并行更新,取不同支路当前帧的最大响应值作为最佳目标位置,下一帧中两个支路的模板更新采用前一帧最优位置的参数同时进行更新,直到跟踪结束,多支路的择优并行更新弥补了单一支路更新的不足。实验表明该算法能在不同挑战因子下实现更加鲁棒的跟踪过程。针对单层深度特征的局限性、目标最终预测值存在偏差的问题,提出了一种多层深度融合特征和坐标修正的核相关滤波跟踪。采用多层深度融合特征:提取VGG19的Conv3-4、Conv4-4、Conv5-4三个卷积层的输出特征,经过池化、拼接操作进行融合,用于训练和跟踪。采用坐标修正策略:通过首帧目标真值与首个目标预测位置求得修正因子、四个变换因子,通过缩放、平移操作得到最佳目标位置。在下一帧中,在预测的目标位置基础上求四个变换因子并确定最佳目标位置,后续帧模板采用最佳目标位置的参数进行更新,直到跟踪结束。实验表明该算法能够应对不同的挑战因子实现更加鲁棒的跟踪过程。