目标跟踪技术是计算机视觉领域的研究热点,它广泛应用于军事领域和民用领域。随着跟踪需求的不断提高,目标跟踪技术面临的问题也不断升级,比如目标对象尺度发生变化、形变过快、背景杂乱等外界因素的干扰问题,这都严重影响着目标跟踪算法的性能效果。所以,本文就当前目标跟踪算法存在的几个挑战性问题,提出了相应的改进方法:1、提出了自适应特征融合的目标跟踪算法。目标对象的信息不可能是单一的特征诠释的,所以本文基于KCF算法提取单一特征进行目标跟踪的基础上,提出了方向梯度直方图和颜色两个互补特征自适应融合的策略。根据特征的实际响应和理想响应的损失差来分配权重再融合,融合后的最大响应值对应的位置就是跟踪器预测的下一帧的目标位置;2、提出基于遮挡重检测的目标跟踪算法。为了解决KCF算法在目标被遮挡的情况下容易出现目标漂移甚至跟踪失败的问题,本文提出了遮挡判别处理机制。当检测到目标被严重遮挡时,为了防止跟踪器被污染,此时不更新模型。当目标再次在视频序列中出现时,启动目标重检测机制;3、提出尺度自适应的混合模型目标跟踪算法。该算法由两个滤波器组成,一个用于位置的预测,另一个用于尺度的估计。结合预测的目标位置和尺度进行位置模型和尺度模型的更新,发挥算法的最优性能去处理复杂场景的目标跟踪。