随着计算机视觉技术的飞速发展,作为视觉领域重要组成部分的目标跟踪受到了更多的关注与研究。目标跟踪系统的核心便是目标跟踪算法,直接决定了跟踪系统的性能。尽管目前已存在众多成熟的目标跟踪算法,但是在实际应用场景中仍有诸多不足,主要是无法适应目标遮挡、光照变化等复杂的外部环境变化。基于相关滤波算法拥有较高的速度与跟踪精度,本文在其基本框架上,针对特征融合、遮挡判断处理进行改进,提出了改进后的算法,并在改进算法的基础上搭建了运动目标实时跟踪系统,通过实验验证了算法和跟踪系统的有效性。主要研究内容如下:（1）针对算法特征单一导致跟踪效果不足的缺陷,采用多特征联合方法以提高算法对复杂场景的适应性。对相关滤波目标跟踪响应图进行可靠性实验分析,提出了一种用于反映HOG特征和颜色特征跟踪结果可靠性的置信度指标,完成特征的响应图层面动态融合。分析目标跟踪过程中模型的学习情况,针对模型漂移问题,根据可靠性指标动态更新各分类器模型,采用快速有效的尺度处理方法来解决目标尺度变化问题。（2）针对目标遮挡问题,增加了遮挡判断和重检测环节,当目标被判定为遮挡后,利用历史帧所训练的相关滤波器模型进行由粗到精的重检测,待搜寻到目标后重新跟踪。通过在OTB标准数据集上进行的系列对比实验,证明了本文改进算法的可行性,其整体跟踪性能优于多数主流相关滤波跟踪算法。在目标遮挡、光照变化、脱离视野等复杂环境干扰下能取得较好的跟踪效果,而且41FPS的处理速度完全能满足实时处理需求。（3）完成了目标跟踪系统的总体框架流程设计。针对系统需求完成软硬件平台搭建,完成了图像采集和目标检测环节,将跟踪算法得到的目标像素位置坐标信息解算为目标与相机光轴相对角度信息,控制云台根据角度信息进行目标跟随运动。实际场景目标跟踪实验中处理速度为34FPS,证明该系统可以实时稳定地跟踪运动目标。