随着计算机视觉技术的日益发展,视觉目标跟踪作为计算机视觉中的基础课题之一也越来越受到研究人员的重视。在人机交互、视频监控、移动机器人等应用领域中,视觉目标跟踪都有着广泛应用。近年来,将跟踪问题转化为检测任务的判别式跟踪算法,由于其良好的性能而成为研究的热点。随后,研究人员将经典信号处理中的相关滤波应用于判别式目标跟踪中,使得训练和检测的复杂度显著降低。然而,单一的目标跟踪算法并不能应对所有情况,特别是一些复杂的视觉场景,例如遮挡、快速移动、镜头的快速抖动等。基于此,本文重点研究了相关滤波跟踪方法中的热点之一——基于核相关滤波的目标跟踪算法,并在此基础上提出了一种基于互补融合的跟踪算法,并对其进行了实现。本文的主要研究内容和成果如下:(1)本文首先研究了基于正则最小二乘分类器的判别式跟踪算法,包括线性情况和引入核函数下的训练及检测过程。然后研究了将密集采样方式用于正则最小二乘分类器的情况,包括训练过程的快速计算、检测过程的快速计算和核相关的快速计算。最后,得出了核相关滤波跟踪算法的整体流程。(2)针对核相关滤波跟踪算法在复杂视觉场景中的局限性,本文结合时空上下文跟踪算法和在线检测算法的优点,将核相关滤波跟踪算法、时空上下文跟踪算法和在线检测算法融合到一个跟踪框架下,从而提出了一种基于互补融合的目标跟踪算法。通过在18个复杂场景的视频序列中进行仿真,得出该互补融合跟踪算法的平均距离精度为94.61%,比核相关滤波跟踪算法提高了26.27%,比时空上下文跟踪算法提高了43.54%;该算法的平均成功率为83.32%,比核相关滤波跟踪算法提高了24.63%,比时空上下文跟踪算法提高了43.66%。(3)本文在基于PC平台上使用C++语言实现了互补融合跟踪算法,并利用visual studio的性能分析工具profiler对实现的程序进行性能分析,然后对程序中耗时多的部分利用程序优化的技巧进行性能优化,以提高程序运行的效率。实验结果显示,程序优化前平均帧率为9.2 FPS(帧每秒),优化后平均帧率提高到31.5FPS,在实际场景中测试显示,优化后的程序对发生严重遮挡的目标具有良好的跟踪效果。