近几十年,作为计算机视觉领域中的热点研究方向,目标跟踪取得了突破性的进展,在军事制导、人机交互、智能监控等方面也应用颇多。然而由于目标跟踪要解决的挑战太多,所以如何在各种挑战下都稳定的跟踪目标仍然是个难题。近几年,基于相关滤波的跟踪算法凭借其良好的跟踪精度及优异的跟踪速度吸引了大批研究者的注意力,使得相关滤波类跟踪算法的发展速度极快。但相关滤波类算法仍然有许多需要研究的地方。本文主要针对核相关滤波跟踪算法的不足之处,提出相应的解决方案并进行实验验证。本文的工作总结如下:第一,为了解决核相关滤波跟踪算法在跟踪时的尺度估计问题,提出了一种尺度自适应的核相关滤波跟踪算法,该算法将目标跟踪任务分解成两大块:目标位置求解和目标尺度求解,均需要通过正则化最小二乘分类器学习得到相关滤波器:位置滤波器求得目标位置信息,尺度滤波器求得目标尺度信息。然后根据跟踪结果分别对两个滤波器进行更新。实验结果表明,该算法能较好地解决目标尺度变化问题。第二,针对核相关滤波跟踪算法在遮挡情况下跟踪不稳定的问题,提出了一种抗遮挡的核相关滤波跟踪算法。该算法主要通过响应图的峰值旁瓣比和相关峰平均能量来判断目标是否被遮挡,如果被遮挡,就不更新模板参数。这样可以抑制遮挡对模型的影响,实现遮挡情况下跟踪算法的稳定跟踪。实验证明,该算法对遮挡情况具有较好的稳定性。第三,为了解决单一HOG特征对目标的描述能力弱,导致跟踪器在复杂环境中跟踪能力弱的问题,提出了一种基于特征融合的核相关滤波跟踪算法,加入了一种基于贝叶斯定理的颜色统计特征。该算法先用基于颜色统计特征和HOG特征的跟踪器分别进行目标跟踪,然后在决策层将两个跟踪结果相融合,使得该跟踪算法能够适应目标形变、光照变化、运动模糊等等复杂情况。实验表明颜色统计特征的加入明显提高了跟踪系统的稳定性。