视觉目标跟踪技术是计算机视觉的重要组成部分。传统相关滤波算法运行的精度高,速度快,被广泛应用在视觉目标跟踪中。目标跟踪技术在现实生活中有许多应用场景,如各种运动比赛场景中目标人物的跟踪、交通路口的车辆和行人跟踪问题、旋转摄像头和无人机摄像的目标跟踪问题等。由于视频序列的遮挡属性和旋转属性(平面内旋转和平面外旋转)在跟踪数据库属性分布中占比最多,论文以相关滤波算法为基础,针对目标遮挡挑战和目标旋转挑战分别做出了相应的算法改进。(1)针对具有遮挡属性视频序列的目标跟踪问题,基于彩色图像提出遮挡评价标准优化相关滤波跟踪算法。首先,通过空间正则化模型计算目标输出响应,利用目标响应值提出平均峰值相关能量,根据目标响应值和对应目标位置提出质量函数;然后,通过权重系数生成遮挡评价标准,判断目标是否发生遮挡;最后,根据遮挡情况自适应更新模型。算法使得数据集OTB2013的精确度和成功率相对于STRCF算法分别提高了0.7566%、0.7599%,遮挡属性的精确度和成功率分别提高了0.5200%、0.9539%。(2)针对具有遮挡属性视频序列的目标跟踪问题,基于深度图像提出重叠率概念优化相关滤波跟踪算法。首先,提出多模板算法,利用迭代运算选择最优分类器;然后,基于深度图像提出重叠率概念,判断目标是否发生遮挡;最后,根据遮挡情况自适应更新模型。算法使得数据集Princeton的精确度和成功率相对于DSKCF算法提高了4.67%、7.04%。(3)针对具有旋转属性视频序列的目标跟踪问题,基于彩色图像提出融合背景信息和多峰检测策略优化相关滤波跟踪算法。首先,增加目标周围的背景信息,提出目标响应服从高斯分布,优化传统相关滤波的目标损失函数;然后,提出多峰检测策略,从目标输出响应图中选择候选目标峰;最后,计算不同尺度权重下的目标响应,选取最大响应值求得最终的目标位置和目标尺度。算法使得数据集OTB2013的精确度相对于SAMF算法提高了7.9561%,成功率相对于CACF算法提高了6.8259%,平面内旋转属性的精确度和成功率相对于DSST算法分别提高了5.2326%、2.1467%,平面外旋转属性的精确度和成功率相对于SAMF算法分别提高了8.4270%、7.6377%。