目标跟踪算法是人们处理视频或者图像信息最常用的技术手段,为运动目标的提取和分析提供了可靠保障,在视频监控、智能驾驶、智能机器人等领域有着重要的研究意义。在过去几年的发展中,涌现出大量优秀的目标跟踪算法,提高了现有目标跟踪算法的跟踪速率。但是在实际情况中,由于道路周围环境复杂,导致目标仍存在遮挡、尺度变化等问题。这就对目标跟踪算法的尺度检测能力以及算法的跟踪精确度提出了更高的要求。针对上述存在的问题,本文提出了基于快速尺度金字塔的改进核相关滤波目标跟踪算法。首先,算法中加入快速尺度金字塔对目标尺度进行实时的估计,进而实时的调整算法跟踪框的大小,使跟踪算法能够尺度自适应的对目标进行跟踪。其次,在传统核相关滤波目标函数的基础上,加入惩罚项(?)。利用目标周围区域采集到的负样本对w进行训练,当样本与目标背景相关时,使训练模板w尽可能小,这种改进可以有效地提高目标的跟踪精确度。最后,结合目标尺度变换因子以及视频前一帧对当前帧的影响,采用线性迭代方法进行参数更新。实验结果表明,本文第一次改进算法Ours在Benchmark 2013标准测试集上的整体跟踪精确度为67.9%,成功率为58.2%;第二次改进算法Ours_CA的整体跟踪精确度为86.4%,成功率为66.7%,算法整体的的成功率和跟踪精确度都优于其它目标跟踪算法,当目标发生遮挡以及尺度变化时,本文算法可以有效地对目标进行跟踪。