空中目标跟踪被广泛应用于军事视觉制导、空中交通管制和无人机反制等领域。在实际应用中,空中目标跟踪过程存在多种干扰因素,如光照变化、运动模糊、姿态变化以及遮挡等。在不同干扰情况下,如何实现空中目标的鲁棒跟踪是本文主要解决的问题。仅使用单一特征的跟踪算法对复杂跟踪场景的适应能力不足。针对该问题,本文提出了基于置信度评估的多特征融合跟踪算法。该算法选用具有不同优点的多种特征分别进行跟踪,并通过评估不同特征的置信度实现多特征可靠融合跟踪。同时,针对空中目标尺度变化大的特点,本文在多尺度相关滤波算法的基础上提出了一种并行尺度估计策略,该方法分别估计目标的最优宽度和最优高度,能更稳定地适应空中目标尺度变化。针对目标遮挡问题,本文研究了基于局部分块的抗遮挡跟踪模型。该模型将目标分为多个子块,以子块稳定性和目标相似度评估各个子块置信度,并利用置信度高的子块实现抗遮挡跟踪。局部分块模型能有效处理目标遮挡问题,而全局模型更能适应目标快速运动和运动模糊。因此,本文设计了一种基于多跟踪器交替的跟踪算法。该方法根据模型置信度判别目标跟踪状态,在正常跟踪状态下使用多特征融合的全局模型跟踪。而存在遮挡干扰时,替换为局部分块模型进行抗遮挡跟踪。通过不同跟踪器交替,该算法可有效地应对不同跟踪情况。最后,本文选取了空中目标跟踪数据集测试算法性能,以不同评估方式对多种算法的性能进行对比分析。实验表明,相比于测试的其他算法,本文提出的算法实现了整体性能提升,对空中目标姿态变化、尺度变化和遮挡等干扰因素具有较强鲁棒性。