在智能化时代,计算机视觉技术解决了机器“看”世界的问题,作为计算机与世界沟通的桥梁,目标跟踪技术是搭建该桥梁的核心技术之一。当前,目标跟踪技术在视觉导航系统、智能视频监控系统、医学诊断、移动机器人、军事等领域都有着重要的应用,尽管当前的跟踪方法能在一定程度上满足机器视觉的要求,但在存在如遮挡、模糊、快速运动等挑战性因素的跟踪场景中,现有的跟踪方法仍旧难以鲁棒的成功跟踪目标,为了提高跟踪方法的综合性能和抗遮挡的能力,本文基于当前的主流方法核相关滤波跟踪算法展开研究,主要的研究工作如下:本文首先介绍了目标跟踪的研究背景、分析其相关应用和研究意义,梳理了目标跟踪的研究现状,介绍了跟踪场景中常见的难点问题,阐述了核相关滤波方法的理论基础。讨论核相关滤波跟踪算法的局限性,对其中的跟踪置信度问题展开分析,提出联合置信度对跟踪状态进行观测,以联合置信度作为遮挡等抗扰动策略执行的开关。当联合置信度反映跟踪场景中出现了遮挡等扰动时,进一步设计出鲁棒的跟踪策略。针对核相关滤波跟踪算法存在的缺乏背景信息学习的问题,提出上下文感知加权学习方法,由联合置信度将跟踪时的上下文背景划分为纯背景区域和目标相似背景区域,对于不同的上下文区域,构造不同的目标函数并求解其闭合解,即当联合置信度反映跟踪场景中未出现遮挡等扰动时,将上下文背景划分为纯背景区域,将背景零回归训练滤波器,反之,将上下文背景划分为和目标相似的背景区域,将上下文背景加权回归训练滤波器。将所提方法应用到相关滤波基准算法上并在OTB100数据集进行分析,应用本文方法的跟踪器具有更高的跟踪精度。针对跟踪过程中发生的目标遮挡的扰动现象,提出融合上下文感知的抗遮挡目标跟踪方法。基于核相关滤波跟踪原理,扩展特征表达构建鲁棒的目标外观模型,并在跟踪过程中,对目标进行尺度估计,通过联合置信度评判是否发生遮挡现象,进而设计相应的抗扰动的跟踪策略。当跟踪过程中未发生遮挡时,按照核相关滤波流程进行正常跟踪。当出现遮挡扰动时,引入重检测阶机制,并对重检测区域进行上下文学习。在遮挡期间,将遮挡前的滤波模板和遮挡期间学习的上下文滤波模板融合对目标进行定位,并更新模型。在数据集OTB2013,OTB100,TC128上进行实验验证,实验结果表明,与主流的算法相比,本文算法在发生遮挡时的跟踪鲁棒性更强,跟踪准确性更高。