基于视觉的目标跟踪是计算机视觉以及视频安防监控等领域的重要研究方向。本文针对核相关滤波跟踪算法的性能改进展开研究,提出了自适应模型更新因子以及子区域融合跟踪算法,提升跟踪算法的跟踪精度、环境适应性以及跟踪鲁棒性,并在跨平台环境下采用MATLAB和C++编程搭建算法仿真实验系统,在数据集上进行算法性能验证,最后完成了算法的实际应用测试。针对核相关滤波跟踪算法模型更新采用固定更新率,目标模型更新不及时的问题,本课题基于跟踪响应强度,构造了一种自适应模型更新因子,使得模型更新权值可以根据跟踪器跟踪性能的强弱实时调整,从而增强跟踪器对环境以及目标变化的适应性。实验结果验证了自适应更新因子的有效性。针对跟踪目标出现遮挡,目标模型容易受到污染等情况,本课题提出了子区域融合跟踪算法。将整体目标分割成多个子区域,基于自适应模型更新算法,采用多个独立的跟踪器分别进行跟踪,根据各个子区域的跟踪强度,构造区域融合权重,利用跟踪置信度设计了子区域模型更新策略,融合得到整体目标跟踪位置和目标尺度,提升算法稳定性。最终,本课题对所提出的跟踪算法进行性能验证。本文完成了在跟踪数据集上的算法仿真,仿真结果表明,本课题改进的核相关滤波跟踪算法在整体精度以及跟踪鲁棒性上有着明显的提升,对多种属性序列尤其是遮挡变形、尺度变化等性能优越。同时,基于所提算法,本课题实现了一个实时跟踪应用系统,实际应用测试表明,该算法能够精确跟踪目标并能够满足实时性要求。