随着信息化、智能化的发展，陆战场中信息感知的重要性也逐渐提高。而现代战争中经常会受到电子干扰的影响，使得光学观察设备成为了较为稳定的目标监视与侦察的手段。但在陆战场中目标可能会被不断遮挡，仅通过人力进行监视效率较低，因此目标跟踪技术由此引入。
　　相关滤波跟踪算法在目标跟踪领域中不论是鲁棒性还是精度均能够处于领先的地位。虽然相关滤波算法具有高鲁棒性，但对于复杂遮挡场景中进行目标跟踪依然存在较多问题。本文将战场中的遮挡分为两类，一类为目标被部分遮挡，而另一部分为目标被完全遮挡，根据所划分类别分别对算法进行改进。
　　针对目标部分遮挡场景，将基于时空正则项目标跟踪算法（STRCF）作为基础算法进行改进。目标部分遮挡时跟踪失败的主要原因在于滤波器不断学习遮挡物信息导致模型偏移。本文根据目标在初始帧的特征分布，进行特征选择，将无法准确表达目标或过多表达背景信息的特征通道进行裁剪，保证所选择的特征能够准确表示目标；加入空间权重正则项，自适应调整空间权重，惩罚目标被遮挡的部分，更着重学习未被遮挡部分，与时间正则项相辅相成，保证目标被部分遮挡时相关滤波器依然能够准确表达目标。本文从OTB数据集中选择了符合陆战场场景的6个视频序列和2个实际场景序列进行测试分析，验证了算法改进的有效性并能够在实际场景中成功跟踪目标。
　　针对目标完全遮挡场景，采用重新检测的方式重新跟踪完全遮挡后的目标，但算法本身不知目标何时被遮挡，因此通过对响应图进行评价，构建遮挡判别系数，判别目标是否被遮挡，以此决定何时进行重检测，同时利用评价系数采用加权求和的方式构建了通道可靠性系数，用于提高算法定位精度。根据算法更新策略设定检测器中相关滤波器的更新频率，构建目标运动预测模型，在目标重检测中预测目标可能出现位置，减少搜索范围，降低相似目标干扰。本文在UAV数据集中选择了4个符合陆战场环境的序列和2个实际场景对算法进行测试分析，证明了改进算法可实现目标遮挡后的重新检测，并能够在实际场景中成功跟踪目标。