目标跟踪属于计算机视觉领域一个基础研究方向,得益于计算机图形处理器和存储器的迅速发展,该技术已应用于现实生活中的很多领域,例如人机交互、智能交通、安防视频监控、航空航天及体育运动分析等。相关滤波目标跟踪方法将跟踪问题视作分类问题,通过取其分类结果的最大置信点确定目标位置。近年来,相关滤波目标跟踪方法凭借出色的实时性及跟踪精度,获得了计算机视觉领域相关学者广泛关注。由于实际跟踪环境复杂多样,运动目标可能发生形变、长宽比变化、模糊或超出视野范围的情况,相机拍摄过程中也存在目标运动过快或者目标被遮挡的情况,这些都为目标正确跟踪带来了巨大的挑战,极大地限制了目标跟踪方法精度。因此本论文分别针对目标形变、快速移动以及遮挡问题,对相关滤波方法进行改进,并对改进算法进行了实验验证。论文的主要内容有:针对视频序列中由于机动目标快速移动导致的形变、模糊及失跟问题,提出一种基于位置一步预测尺度自适应的核相关快速目标跟踪算法。首先,提取当前帧目标区域灰度以及颜色特征,并对灰度特征和颜色特征进行梯度及颜色直方图运算,得到方向梯度直方图特征和颜色直方图;然后,根据颜色直方图引入粒子滤波对下一帧图像中目标位置进行一步预测,进而以预测到的目标位置为中心确定搜索区域;最终,在搜索区域基于方向梯度直方图特征结合核相关滤波算法修正当前目标位置估计值。在此基础上,结合零阶矩和平均峰值相关能量对形变和模糊问题进行了处理。通过定量及定性实验分析,该算法可以有效跟踪存在快速移动情况的目标。针对核相关滤波方法自身缺乏对尺度及遮挡的处理能力,提出一种基于深度特征和尺度估计抗遮挡目标跟踪算法。首先,结合VGG-19卷积神经网络提取当前帧感兴趣区域Conv3-4、Conv4-4、Conv5-4层深度特征并在每层训练一个位置滤波器,进而利用位置滤波器预测目标在下一帧不同卷积层的位置信息;同时依据语义信息丰富程度赋予不同卷积层特征对应权重,并根据目标在每个卷积层位置信息及其相应权重获取目标位置,以此更新位置滤波器模板;然后,基于目标位置利用一维尺度滤波器预测目标尺度;最后,利用目标在不同卷积层位置设计了一个残差函数对目标是否存在遮挡进行判断,当目标受到遮挡时,停止模板的更新,并在之后帧使用SVM分类器进行目标重匹配。通过定量及定性实验分析,该算法能够在遮挡情况下有效跟踪存在尺度变化的目标。