作为计算机视觉领域中的研究热点之一，视觉目标跟踪技术在民用与军事领域中都存在着广泛的应用场景。科研人员们经过多年的研究与发展，提出了诸多优秀的经典目标跟踪算法，但是在面对实际应用中诸如光照变化、物体形变、尺度变换与目标遮挡等多种挑战因素时，现有的视觉目标跟踪算法依然难以一次性地解决所有问题，因而视觉目标跟踪依然是计算机视觉领域中一个十分具有挑战性的工作。在视觉目标跟踪算法中，基于核相关滤波的目标跟踪算法具有实时性好和跟踪精度高的优点，更适合在硬件资源有限的嵌入式平台下实现。本文以核相关滤波跟踪算法为基础，对其进行改进。　　首先提出多特征融合的自适应核相关滤波跟踪算法。为了解决核相关滤波跟踪算法仅使用单特征表征目标的问题，分别训练使用方向梯度直方图（HOG）和颜色名称（CN）特征的核相关滤波器跟踪目标，并在决策层利用响应图置信度函数融合不同特征的响应图，提高算法的准确性。针对核相关滤波跟踪算法使用固定更新速率更新模型的问题，利用多特征响应图置信度判断目标是否受到遮挡，自适应地改变学习速率，避免模型漂移。对于核相关滤波跟踪算法使用固定目标尺寸的问题，引入尺度检测模块，提高算法对尺度变化的适应能力。实验表明，改进算法能够有效地处理目标遮挡、快速运动与尺度变换等问题。　　之后提出结合多层次深度特征的核相关滤波跟踪算法。针对手工特征对目标表征能力有限的问题，利用卷积神经网络提取多层次深度特征，将手工特征与浅层特征共同用于目标跟踪，并在决策层融合响应图；同时使用深层特征训练核相关滤波器跟踪目标，生成权重图约束之前获得的融合后的响应图，提高算法的鲁棒性。实验表明，对比仅使用手工特征的算法，融合多层次深度特征的算法能够进一步提升算法的跟踪性能。　　最后，从实际应用中的实时性需求出发，将本文提出的算法移植到ARM开发板平台下，同时结合嵌入式平台的特点进行了多线程优化。系统的测试结果表明，本文算法能够在满足实时性需求的前提下运行于硬件资源有限的嵌入式平台，具有较好的实用性与扩展性。