基于视频的目标跟踪技术是一种能够在视频流中锁定特定目标的技术手段。它融合了计算机视觉,数字图像处理,模式识别,人工智能以及自动控制等多个领域的领先技术,在军事打击,国防,安防监控,智能交通等领域有着非常广阔的应用场景。近年来受到广大学者的关注。基于相关滤波(CF,Correlation Filtering)的目标跟踪算法框架简单灵活,对目标的仿射变换,遮挡,复杂背景等情况有一定的适应性,可以较好的兼顾跟踪精度和速度,本文采取核相关滤波算法(KCF)构建基本跟踪框架。另外,为了较好地实现跟踪前自动捕获目标及目标跟踪失败后的重新检测,在此基础上研究了YOLO(You Only Look Once)目标检测算法,并将其与KCF算法进行融合以实现稳定跟踪。本文的研究内容主要包括以下几点:1.研究了相关滤波(CF)算法框架和数学原理,简述了CF框架的后续研究及发展现状。2.研究了基于CF框架的经典算法核相关滤波(KCF,Kernel Correlation Filtering)跟踪算法,为了解决Fhog特征空间分辨率不足的问题,提出了频域插值的方法,改善了KCF在跟踪运动物体时轨迹的“锯齿现象”,并借鉴SAMF提出的尺度池方法对KCF进行了多尺度跟踪扩展。3.为了解决跟踪前的目标自动捕获和跟踪中的目标重新检测问题,研究了YOLO目标检测算法,制作了四旋翼无人机数据集,并以此训练YOLO无人机目标检测模型。4.融合检测及跟踪算法,并在Jetson-TX2平台上部署,实现目标的自动捕获及跟踪过程中的重新检测。5.本文对所有的算法均做了实验验证,提供所有源代码。