目标跟踪技术作为计算机视觉的关键技术之一,在各个领域内都有广泛应用。在众多目标跟踪算法中基于相关滤波的跟踪算法因其快速性和优越的跟踪能力而备受关注。因此,本文致力于研究基于相关滤波的目标跟踪算法。其中ECO算法(Efficient Convolution Operators)是该类算法中最先进的算法之一,本文针对其在目标遮挡和目标形变等方面的不足进行改进并在多种公开测试集上进行了对比实验。本文主要内容为:首先,对相关滤波类跟踪算法的研究现状进行分析和总结。其次,详细分析了ECO(Efficient Convolution Operators)算法的原理,并针对ECO算法在目标被完全遮挡时无法再次跟踪到目标的问题,提出一种基于响应置信度模板更新策略的ECO改进算法,该算法在模板更新策略上进行了改进,设计了两种响应置信度评价指标,根据响应置信度自动调整模板学习率。并在两种公开测试集上进行了对比实验。实验表明,改进后算法在目标被完全遮挡后仍能重新跟踪到目标,并且在目标尺度变化、目标模糊以及目标形变等方面,相比原算法有更好的跟踪成功率和跟踪精度。最后,针对ECO算法应对目标形变等方面的不足,提出一种融合目标似然图的ECO改进算法,该算法利用贝叶斯像素分类模型得到目标似然图,将似然图与其它特征融合来起到突出目标区域的作用,并且将目标似然图也作为一种特征训练滤波器,以增强对目标的定位能力。并在公开测试集上进行了对比实验。实验表明,在目标形变、目标低分辨率以及目标旋转等方面,改进后算法相比原算法在跟踪成功率和跟踪精度上均获得提高。