视频目标跟踪在人机交互、视频监控和医疗诊断中都有着非常重要的价值和广阔的应用前景。但是由于目标的特征多样性和所处环境的复杂程度等都使得不能利用核相关滤波的跟踪算法KCF(Kernelized Correlation Filters)得到有效的、准确的跟踪,其中限制跟踪算法鲁棒性的关键因素是在跟踪过程中出现的目标尺度变化和遮挡等问题。所以针对KCF算法的不足之处,本文主要是对该算法进行优化和实现。本文的主要工作有以下几个方面:(1)提出了一种目标尺度变化的优化算法:利用尺度估计方法对目标尺度进行检测,进一步确定在当前帧待跟踪目标的最佳尺度。首先通过对当前一些目标尺度算法进行分析,确定目标尺度变换方案。通过介绍DSST(Discriminatiive Scale Space Tracker)算法对MOSSE(minimum output sum of squared error)算法的改进,并且运用双线性插值方法,得到最佳尺度,解决了无法应对目标尺度变换的问题。本文在此基础上改进了DSST算法,对KCF算法进行了优化。(2)提出了一种遮挡判断的优化算法:添加遮挡检测判断机制,如果目标被遮挡,那么降低模型更新因子,从而减少由于遮挡引入的错误信息。首先通过对当前一些检测算法进行分析,以此确定检测方案。在目标时序上进行前向和反向跟踪,通过比较前向跟踪和反向跟踪的轨迹误差,来判断目标是否发生了遮挡,如果遮挡,则修改模板更新因子。(3)本文同时论述了跟踪评估的方法,介绍了改进的KCF方法的原理应用。实验分别选取了存在目标尺度变化和存在遮挡情况的多组视频,将改进后的算法分别对这些视频进行测试,对比原KCF算法定性与定量实验,从实验上看出,改进后的方法能很好地适用在尺度变化与遮挡方面的跟踪。