随着无线传感网、计算机视觉和机器学习等技术的迅猛发展,目标跟踪技术已经广泛地应用于当今的工业生产,环境监测和日常生活中。近年来,由于以相关滤波器为代表的跟踪算法表现良好,已成为跟踪领域的热点研究对象。但由于目标跟踪过程中所处场景环境的复杂性和多变性等因素的影响,跟踪技术还存在大量难题需要解决。本文在相关滤波跟踪算法的基础上进行了深入研究,提出了一系列改进方案,主要研究内容如下:首先,针对核相关滤波算法KCF存在的当目标快速移动和目标形变时跟踪效果不佳的问题,在WSN环境下,研究了一种基于异类特征融合的目标跟踪算法。结合模板类特征对光照变化及复杂背景的优异处理能力,引入统计类特征作为新的描述因子,使其全局颜色特征明显并增强了快速移动和形变的处理效果,进一步提升了核相关跟踪器的跟踪性能。通过仿真实验验证了该算法的综合性能。其次,针对相关滤波器跟踪中普遍存在的由循环矩阵引起的边界效应问题,以及改进的核相关算法无法满足尺度变化的自适应跟踪的缺陷,研究了融合空间正则化和四分子块的方法。其中空间正则化分量可以在样本集中增加更多的负样本,使样本的不准确性降低,解决循环矩阵产生的边界效应;而四分子块法则是利用伸缩系数间接计算当前帧目标的尺度大小。通过仿真实验验证了该算法的综合性能。最后,针对改进算法是否具有实用性,设计了一个将三帧差分和混合高斯建模二者融合的车辆检测技术,在无线传感网环境下与改进后的跟踪器结合为一体的实时道路监测跟踪系统。旨在稳定地检测某路段某时段的车辆数量信息,完成车辆信息的检测与跟踪。通过实验测试验证了该系统的综合性能。