视频运动目标跟踪是计算机视觉领域的重要研究分支之一,并被广泛应用到如医学影像诊断、导弹制导、机器人、视频监控等军用民用领域中。随着近年来人工智能技术的飞速发展,该领域取得了很大的进步,大量优秀的成果在这一时期涌现,解决了目标跟踪领域中的基础问题。但由于现实场景中的多样性和复杂性,如存在背景混乱、遮挡、光照变化、离开视野等多种因素,使得目前的跟踪算法仍然很难适应多种复杂场景带来的干扰,因此如何提升算法在不同场景中的跟踪鲁棒性和准确性仍然是一项具有挑战的工作。本论文基于当前主流的相关滤波跟踪框架,针对当前大多数相关滤波跟踪算法采用多个尺度相关响应图最大值对应位置作为跟踪结果并非总是目标真实位置的问题进行了研究和改进。论文主要工作如下:第一,针对彩色视频序列和灰度视频序列的不同特性,且在实际跟踪场景中多尺度相关响应图最大值对应位置未必总是目标正确位置的问题,本文提出了一种基于多边形质心位置校正的相关滤波跟踪方法。在特征提取阶段,采用了多特征融合策略,加入了强度通道特征与灰度特征形成互补。然后通过对相关响应图在正常情况与目标受到干扰情况下的状态及其特点进行分析,提出了一种相关响应图评价指标以评估响应图的质量,并对每一帧的跟踪结果进行可靠性分析。对不可靠的跟踪结果,采用多边形质心的位置校正方法对跟踪结果进行修正,以尽量减少跟踪结果和目标真实位置之间的偏差,从而提高算法的跟踪性能。第二,针对各种特征对不同场景下跟踪目标的有效性,及多个尺度相关响应图最大值的对应位置未必总是目标正确位置的问题,本文提出了一种基于响应图和位置决策机制的相关滤波跟踪方法。根据多组特征训练多个滤波器模板,并在跟踪过程中采用响应图评价指标选择最适合当前场景下跟踪目标的组合特征及其产生的多尺度相关响应图。然后根据多个尺度相关响应图计算得到多个侯选位置,并采用位置决策方法选择最佳的跟踪结果。针对以上两个改进方法,论文在实验部分皆基于目标跟踪领域广泛使用的公开基准视频集OTB50、OTB-2015和UAV20L进行了大量的实验,并与近几年主流的经典跟踪算法进行了对比分析,实验结果表明本论文所提出改进方法的有效性,改进算法在鲁棒性和准确性方面具备了更优的跟踪性能。