运动目标跟踪在军事、智能交通、智能视频监控和人机交互等领域都有非常广阔的应用前景。在实际应用中,目标外观变化、背景干扰、目标遮挡和出视野等问题会影响跟踪的精度。高效卷积算子跟踪算法简化了目标模型,使跟踪效率大幅度提高,但该算法的单一滤波器难以适应背景干扰、目标遮挡等复杂环境,并且目标丢失后不能重新定位。针对上述问题,本文提出了改进的多滤波器长期目标跟踪算法。具体工作如下:针对单一滤波器难以适应复杂变化环境的问题,提出了改进的时空正则化和一致性检验分析的多滤波器高效卷积算子跟踪算法。其中:时空正则化滤波器将时间正则化引入到相关滤波损失函数中,解决目标外观变化问题;一致性检验滤波器则通过反向定位方法,降低噪声干扰。使用时空正则化滤波器、一致性检验滤波器和高效卷积算子中的滤波器分别与目标特征卷积,选择峰值旁瓣比最大的滤波检测得分,确定目标位置。实验结果表明,改进算法能够适应跟踪过程中复杂变化的环境。另外,针对遮挡和出视野目标的跟踪失败问题,提出了改进的高效卷积算子长期目标跟踪算法。首先,提出遮挡检测算法判断当前目标是否受到遮挡,停止遮挡目标的尺度检测,以保证尺度模型的准确性。其次,引入目标模型判断函数,对不可靠目标的模型不计入外观模型更新序列中,保障了模型的准确性。最后,利用空间距离权重、目标检测和最佳伙伴相似性得分组成的目标重检测模块,对出视野与丢失目标重新定位。实验结果表明,该算法具有抗遮挡能力,能够重新定位出视野和丢失目标,具有较高的实际应用价值。