随着机场管制移交,机场管理开始从塔台监管向地面监管转变,机场管理模式变化,现有的机场管制技术如ADS-B（Automatic Dependent Surveillance-Broadcast）和场监雷达已经不能满足信息量巨大的机场,图像处理作为能够提供更多信息的技术手段被用于机场监管,机场视频中移动目标的持续跟踪则是机场监管中重要的一环。飞机作为机场目标中最重要和最典型的一部分,其最大的跟踪难点在于旋转时产生巨大的形变和尺度变化。为了实现持续跟踪,本文围绕提升飞机跟踪时的鲁棒性展开,主要贡献如下:首先,本文就跟踪鲁棒性的提升,通过实验分析,得出其需要准确的目标尺度来提取样本以及样本中需要包含可靠的目标信息。其次,在相关滤波框架下引入目标分割模块,提出两种尺度自适应算法结构,并对现有目标分割方法提出改进,以提升分割效果,通过提出状态概率公式,利用分割得到的矩形框对目标状态进行计算,提升目标矩形框的可靠性,解决目标形变和尺度的问题。然后,就目标分割掩膜提出改进训练样本的方法,抑制背景信息的同时增强目标信息,提升样本质量,并采取适当的策略对滤波器进行高置信度更新,以提升滤波器的鲁棒性。最后,针对机场目标持续跟踪任务,在本文算法的基础上提出改进方法,通过轨迹预测的方式解决飞机跟踪时的部分遮挡问题,并通过实验验证算法的鲁棒性和持续性。实验表明,本文方法在跟踪数据集和机场场面飞机的跟踪任务中均取得了较好的效果,能有效地提升跟踪的鲁棒性和持续性。