随着计算机视觉、人工智能和大数据等技术的快速发展,人们对目标跟踪技术的性能提出了更高的要求。近些年来,基于相关滤波器的目标跟踪算法表现优异,使得其成为跟踪领域的研究热点。但由于目标应用场景的复杂性和多变性等原因,跟踪算法仍然还存在许多亟待解决的问题。本文针对此类跟踪算法进行了深入研究,并且在传统方法基础上进行了一些改进,主要研究内容如下:首先,对课题的研究意义及背景进行了概述,并分析了目标跟踪技术的发展现状和研究现状。其中特别阐述了目标跟踪技术所包含的三大主要内容,而且对研究过程中所遇到的挑战性问题进行了汇总。同时对该算法进行了原理说明、设计分类和一些经典算法举例介绍。其次,针对核相关算法在应对目标变形、目标快速移动变化时表现不佳的问题,提出了改进版的目标跟踪算法。该算法通过使用一种融合了模板类特征与统计类特征的复杂特征作为描述因子,利用模板类特征对光照变化和复杂背景等环境表现优异以及全局颜色统计特征对快速变形和快速运动效果显著的特点,进一步提升跟踪器的性能表现。后通过对比实验验证了改进算法的跟踪性能。再次,针对基于相关滤波器跟踪方法中普遍存在的边界效应问题和改进算法无法实现尺度自适应的问题,提出了通过引入空间正则化分量的方法来解决边界效应问题,以及使用四分子块法实现目标自适应的改进算法。空间正则项的加入使训练中包含更多的负样本,降低了样本不准确的偶然性。四分子块法通过计算尺度伸缩系数间接求出当前帧的目标尺度。后经仿真对比实验验证算法的有效性和准确性。最后,针对当前道路系统复杂,事故多发,监管困难等问题,设计了一个采用三帧差分和混合高斯建模相融合的检测技术与改进的目标跟踪技术为一体的实时车辆监测跟踪系统。旨在有效地监测某一时段某一区域的车流量信息,为复杂的交通状况提供了有效的解决方案。后通过测试实验验证系统的有效性和可行性。