运动目标跟踪是计算机视觉研究的重要方向。由于视频场景中信息众多,运动目标包含了绝大部分感兴趣的内容,为了能够得到更加准确实时的跟踪效果以及鲁棒性更高的跟踪算法,关于运动目标跟踪算法的研究—直在稳步前进。视频场景中广泛存在的目标快速移动、平面外旋转、光照变化、部分遮挡等问题一直是运动目标跟踪研究中需要克服的挑战。基于相关滤波的跟踪研究是当下运动目标跟踪领域的一个主流分支,Martin Danelljan等提出的DSST(discriminative scale space tracking,尺度估计相关滤波器)算法既提升了跟踪速度,同时也具有较好的跟踪效果。但由于DSST算法使用方向梯度直方图作为单一目标特征,在目标发生形变、快速运动和运动模糊以及目标附近背景噪声较大时效果不佳,在不同类型的复杂背景序列下的表现差异性较大,鲁棒性不足。本文从减少这些问题在实际应用环境中对运动目标跟踪干扰的角度出发,在现有DSST算法的基础上,提出了一种基于DSST的融合特征改进方法,并通过实验验证了该方法的改进效果。本文所做的主要工作如下:1、介绍了运动目标跟踪的通用分类方式,并对本文所使用技术的原理和相关知识进行了简要阐明,包含方向梯度直方图、颜色名、颜色直方图和高斯径向基核函数。之后对经典的相关滤波算法MOSSE进行了简要概述,进而详细阐述了基于MOSSE改进而来的DSST跟踪算法的算法思想。2、针对DSST算法所体现出的不足之处,本文在传统DSST算法的基础上加入了两种颜色特征HSV和CN,将HOG特征与三种颜色特征进行降维融合,融合后的特征作为新的目标特征用于进行位置估计和尺度估计,提出了一种基于DSST运动目标跟踪算法的改进方法。3、选取国际通用的典型复杂背景测试集和相关测试标准对本文提出的方法从定性和定量的角度进行了分析测试,同时将DSST与ASMS算法作为对照组实验,对比实验结果显示,本文提出的方法具有更好的可用性和鲁棒性。