随着科技的不断发展进步,在人类实际生活中对智能监控的需求也越来越大,目标跟踪技术也到了越来越多的重视。在本文中针对复杂跟踪场景下目标跟踪存在的背景杂乱、目标形变、旋转和遮挡问题做了研究,在相关滤波跟踪算法的基础上,利用前景感知的方法、多种特征互补的特性和遮挡评估与重定位的方式对目标跟踪算法做了改进,论文的主要研究内容如下:1.针对跟踪场景中背景杂乱、目标形变和旋转时相关滤波算法准确度和鲁棒性不足的问题,设计改进的基于前景感知与多种特征融合的相关滤波跟踪算法。使用预定义的二值掩膜矩阵对图像中的前景目标进行感知,得到具有前景感知能力的滤波模板;使用时序一致性模型约束相邻帧图像滤波模板的变化,解决滤波模板跳变导致模型质量下降的问题。分析HOG、CN和LBP特征在复杂场景下对目标表征的优缺点,设计改进的多特征自适应融合策略提升跟踪算法对复杂场景的适应性,解决目标形变、旋转导致跟踪算法性能下降的问题,提升跟踪算法对复杂场景的适应能力。2.针对目标跟踪过程中的遮挡问题,提出改进的基于遮挡评价与重定位的相关滤波跟踪算法。通过对相关响应图计算峰值旁瓣比和平均峰值相关能量来评价遮挡程度。当目标被评定为严重遮挡时,采用根据遮挡评价动态增加搜索范围的方法对目标进行重定位。根据遮挡程度评价,采用自适应的学习速率对改进的相关滤波算法模型进行更新。3.通过从标准数据集中选取包含背景杂乱、目标形变和旋转场景的图像序列对基于前景感知与多特征融合的相关滤波的算法进行测试并对跟踪结果进行分析,证明所提出的算法在复杂场景中的有效性。采用从OTB标准数据集中选择的包含目标被遮挡和出视野场景的图像序列,对基于遮挡评价与重定位的跟踪算法进行实验测试和性能分析,经与主流的相关滤波跟踪算法对比,证明所提出的算法在复杂场景目标跟踪效果的有效性。