随着人工智能研究的深入与计算机技术的快速发展,视频目标跟踪技术广泛应用于公共安防、无人驾驶、智能交互、军事打击等多个领域,构成了许多智能系统的底层。由于目标受到遮挡或光照变化等因素的干扰,往往导致跟踪精度较低甚至跟踪失败,直接影响智能系统的正常运转。本文在核相关滤波跟踪的基础上从多特征融合建模、抗噪跟踪算法改进以及模板差异性更新这三个方面对遮挡和光照问题进行研究,主要工作如下:1.在核相关滤波框架内对多特征自适应融合建模进行了研究。针对核相关滤波跟踪算法特征使用单一且存在对光照变化鲁棒性不佳的问题,提出了一种基于多特征自适应融合的核相关滤波跟踪方法。首先充分利用HSV颜色模型中色度分量的光照不敏性,提取目标色度分量及梯度方向直方图特征,并以核加权的方式保留色度直方图特征的空间结构信息,然后在核相关滤波框架内利用多特征样本训练过程中的均方损失函数设定自适应融合系数,最后通过高斯核函数的多通道处理特性实现了多特征的决策级加权融合。2.研究并构建了基于核相关滤波的多子块定位线索联合估计的跟踪框架。针对核相关滤波类算法抗噪能力不强,容易受到遮挡物及光学噪声等外界因素干扰而造成跟踪精度下降的问题,提出了一种基于多子块联合估计的核相关滤波跟踪方法。首先依据初始帧跟踪框的几何特征对目标进行自适应分块,并采用核相关滤波算法对各子块独立跟踪得到联合置信图,然后以上帧目标的位置及尺度作为先验信息对搜索区域采样,同时将样本框中置信图的权值密度作为观测值,利用粒子滤波算法实现对整体候选目标位置和尺度的最优估计。3.研究了模板差异化更新方法。针对现有相关滤波类算法模板更新过程中容易将遮挡物和光学噪声错误的引入模型而导致跟踪漂移问题,本文在多子块联合估计的核相关滤波框架内提出了一种基于反向投影的子块模板遮挡检测判定方法。首先对置信度较低的子块所定位的区域进行反向投影至历史帧的搜索区,然后统计搜索区域的前景像素所占比例,以确定子块定位区域所属目标与背景的概率,从而实现模板的差异化更新。