针对空间正则化相关滤波跟踪算法在目标形变、旋转和快速运动等情况时精度较差,在遮挡等异常情况时还易产生跟踪失败的问题,在基线算法的基础上围绕模型的构建方式和跟踪异常处理策略进行创新,提出一种融合视觉注意力机制的相关滤波目标跟踪算法。首先,融合空间注意力机制,使用显著性检测算法获取目标区域的显著性图,对显著性图裁剪和二值化处理后得到空间掩码矩阵,再与预定义的空间权重融合得到空间注意力参考权重,并以此构建空间注意力正则项,增强了算法在目标快速运动等情况时的适应能力;然后,融合通道注意力机制,在模型中引入了通道权重并构造通道注意力正则项,在模型训练阶段同时优化通道权重,降低了目标形变、旋转等情况时多通道特征中冗余信息对跟踪性能的影响;最后,融合跟踪异常处理策略,在模型训练阶段,通过约束跟踪响应图的变化幅度,降低了目标模糊等轻度异常情况时的干扰,在模型更新阶段,通过分析响应图的峰值与噪声平滑度来判断跟踪的遮挡情况,并过滤低质量样本,提升了目标遮挡等严重异常时模型的稳定性。使用OTB2015、TC-128、UAV123和La SOT四个公共数据集与近年典型的目标跟踪算法进行对比实验,与基线算法相比,所提算法精确率分别提高了6.7%、6.0%、9.1%和5.2%,成功率分别提高了4.6%、5.3%、6.2%和1.6%。实验结果表明,所提算法能够有效缓解目标遮挡等异常情况对跟踪算法的干扰,在目标形变、旋转等复杂场景下的表现更加鲁棒。该论文有图29幅,表5个,参考文献94篇。