目标跟踪技术是计算机视觉领域中一个重要研究课题,其主要任务是在视频序列中获取感兴趣目标的位置,已经被广泛应用于人机交互、视频监控、行为分析、安防及机器人等行业。目前跟踪技术取得相当大的进展,但在实际场景中,仍面临诸多挑战,目标自身的尺度变化和目标间的相互遮挡、环境中的光照变化和背景干扰等都有可能导致跟踪漂移甚至失败。为了解决以上问题,研究者对其进行深入研究,通常来说,目标跟踪可以分为生成式模型和判别式模型。对于生成式模型,当目标处于复杂场景中,由于其仅仅考虑如何准确构建目标模型而忽略了周围的背景信息,使得跟踪结果并不理想。而判别式模型通过训练和更新分类器来获取目标和背景的有效判决边界。由于其同时考虑了背景信息,此类算法表现出良好的性能。基于相关滤波的跟踪方法作为判别式模型的一种,近年来取得较好的发展。该方法通过循环移位得到充足的训练样本,利用循环矩阵的特性降低的求解复杂度,取得了较快的跟踪速度。本文以核相关滤波算法为基础,主要工作有以下几个方面。(1)针对核相关滤波跟踪算法在目标快速运动、尺度变化和遮挡情况下跟踪性能低的问题,提出一种基于卷积特征的核相关自适应目标跟踪算法。利用卷积神经网络提取高、低两层卷积特征,运用位置核相关滤波器计算高低层响应图,利用Coarse-to-Fine融合两层响应图对目标位置估计,同时学习一维尺度滤波器估计尺度并实时更新滤波器,以实现自适应目标跟踪。(2)为了解决目标遮挡时模型错误更新问题,提出一种新的模型更新策略。通过响应图的最大值和振荡程度来判断目标是否被遮挡,在目标没有受到遮挡的情况下,为了提高跟踪结果的准确性和实时性,我们将在线更新目标的外观模型和尺度模型。(3)基于改进的算法使用MFC、OpenCv第三库和VS开发环境实现快速的目标跟踪系统。该系统可以选择不同数据源和标定初始帧目标,跟踪结束显示跟踪速度。