目标跟踪目前被广泛应用与各种生活场景中,但是由于实际生活场景的复杂性,目标跟踪算法的准确性会因为跟踪目标状态的各种变化急剧降低。因此本论文主要针对各类跟踪目标状态变化的情况提出了相应的解决方案。针对目标跟踪中尺度变化的情况,对跟踪框进行合理适度的尺度缩放。针对背景相似干扰的情况,对跟踪框中边缘部分引入惩罚项减少跟踪框边缘背景变化造成的干扰。针对目标跟踪中部分遮挡的情况,将目标框划分出小的跟踪区域进行检测跟踪。针对目标跟踪中可能的短时间遮挡情况,引入自适应状态监测模块,利用监测模块判断当前跟踪状态,在跟踪模型更新时自动删除可能被遮挡错误的跟踪框结果,提升目标跟踪准确性。本文使用了 OTB-100测试数据集,尤其着重选择了其中存在尺度变化、背景模糊和遮挡的数据进行实验。相应算法对较为复杂场景下的目标跟踪准确性有较大提升。