目标跟踪一直是图像处理领域中值得研究的方向。一个合格的目标跟踪算法要求可以根据视频序列第一帧的目标信息来对其他帧序列中的目标进行准确的定位。目标跟踪的应用可以让智能监控系统自动化和智能化的自我管理,可以在医疗中对患者的病变处进行跟踪治疗,可以在航空航天中令动态未知的环境更加的透明和可控。并且随着硬件成本的逐年降低,目标跟踪一定会在更多的领域有更强的发展潜力。本文的主要内容包括:首先,本文介绍了一些目标跟踪的基础知识,包括目标跟踪的意义以及现阶段发展的状况,对目标跟踪的主流算法进行了梳理。介绍了目标跟踪的种类,并对主流的评价体系做了简单的介绍。然后,以对几种经典目标跟踪算法的理解为基础,本文研究了基于核相关滤波的一种跟踪算法。主要的工作是构建一个跟踪系统框架:在核相关滤波跟踪框架的基础上,利用多通道特征处理光照的变化,针对算法在旋转、形变、尺度变化的目标自适应等方面的处理难题,融入视频序列中目标的时空上下文信息对视频序列中的目标进行跟踪。其中空间关系是目标和目标邻域固有的,而时间则是通过加权累加历史帧的空间关系而获得的,通过贝叶斯框架建立目标和周围区域在低层特征上的统计性,这样就可以在不影响跟踪速度的基础上解决目标尺度变化的自适应问题,并且可以处理一部分的遮挡和程度小的形变。最后,当跟踪的系统框架构建完成后,为了在增加算法处理复杂场景的能力和普适性,以检测数据集训练出来的深度卷积神经模型作为基础,利用跟踪标准库中的视频序列样本对模型进行迁移学习和微调。将深度卷积网络学习到的特征,直接应用到相关滤波的跟踪框架中。将目标的深度卷积神经网络特征作为相关滤波跟踪器的输入,计算出响应值,即目标位置。并且在实际的跟踪场景中,对多目标进行跟踪。通过实验结果证明,本文的算法可以应对场景中大部分的遮挡、旋转、光照变化等跟踪挑战,并能实现快速的跟踪。