随着社会智能化进程的加快,目标跟踪技术已经融入到了人们生活的方方面面,目标跟踪的目的是对根据检测或者人工选定的目标对象进行持续、稳定和准确地跟踪。目前的目标跟踪算法具有很高的精确度和很快的实时性,已经从传统的生成式算法转向判别式跟踪算法,最近几年提出的相关滤波跟踪算法,是一种判别式跟踪算法,在跟踪速度和精度方面效果显著。本文以核相关滤波跟踪算法为基础,对影响跟踪效果的特征的有效表达,尺度变化的适应与遮挡环境下稳定地跟踪问题进行研究,本文的研究主要从以下几个方面进行:(1)对核相关滤波跟踪算法进行了研究分析。首先详细介绍了循环矩阵采样,岭回归分类器以及不同核函数。然后得出核相关滤波器的跟踪过程,主要包括模板训练、检测以及更新这三个部分。并且解决了多通道数据处理问题,最后给出了核相关滤波跟踪算法的整体流程。(2)针对复杂环境下目标跟踪效果差以及尺度变化问题。论文融合形状特征和纹理特征以提升滤波模型的鲁棒性。采用尺度金字塔目标尺度搜索策略,首先确定目标的位置坐标,然后在该位置处采用不同尺度样本训练尺度滤波器确定目标的最佳尺度。(3)针对遮挡环境下的目标跟踪问题。论文给出了一种包含遮挡信息的组合置信度测量方法。利用置信度峰值判断跟踪结果,如果核相关滤波算法中置信度的结果表明目标被遮挡,则引入块均值漂移算法跟踪目标。利用局部信息获取目标的最终位置。该检测模型能够对结果进行校正,从而降低了模型漂移的风险,并有效的抑制了跟踪失败的发生,实现了目标在遮挡干扰下的稳定跟踪。(4)基于OTB-2013(Object Tracker Benchmark-2013)测试集分别对给出的两种算法进行性能测试。将本文给出的目标跟踪算法与目前跟踪领域表现好的算法进行比较,从定性分析和定量判断两方面得出,本文给出的两种改进算法在应对复杂环境、尺度变化、遮挡等挑战因素时,具有良好的跟踪性能。