基于相关滤波思想的跟踪算法近年来获得了出色的表现,对于运动模糊以及光照变化等情况具有一定鲁棒性,但是其代表性方法--核相关滤波(KCF)跟踪算法在快速位移和变形以及目标尺度变化等情况下仍然存在跟踪不准或失败等问题。本文提出一种融合目标跟踪失败重检测以及颜色统计信息特征的核相关滤波目标跟踪算法。首先计算目标的颜色统计特征,将其与相关滤波得到的响应概率图进行融合,并且通过对融合以后响应图的振荡程度进行分析并得到可能的候选区域,加入一个新的相关滤波器对候选区域进行重检测,通过设计判据进行模型稀疏更新。该算法与KCF算法相比,在目标外观变化较大以及被遮挡目标重新出现以后,跟踪的连续性和稳定性较好。本文算法能够达到较好的性能,在跟踪精确度和成功率方面超过了一系列先进的跟踪算法,能广泛应用于目标跟踪领域,对目标进行长时可靠的跟踪。