目标跟踪在现代机器视觉起着重要作用。最近基于核相关滤波的跟踪达到很好的效果,但仍有改进的必要,本文对其进行了全面分析,提出两个改进方案。为了解决遮挡引起的跟踪丢失问题,建立一个目标检测模块。首先通过对当前一些检测算法的分析,确定检测方案。通过提取目标模板与当前帧的SURF特征点进行匹配,运用改进的RANSAC算法过滤匹配对,计算变换矩阵,来定位当前帧的目标位置,以达到检测目的。同时建立模板集合来增加鲁棒性。建立了判断机制,通过在当前帧训练跟踪器,进行反向跟踪,然后比较结果判断是否启动检测,同时修改了模板更新方法。针对核滤波跟踪无法适应目标尺度变化的问题,通过引入目标候选框算法来产生尺度不同的方框。通过结构化随机森林引出提取目标候选框的edge box算法,同时修改了算法以适应需要。用原算法进行粗跟踪,在结果位置处提取区域,在该区域运行edge box以产生目标候选方框,将一些评分高的方框提取出来,结合原跟踪框进行筛选后,再变换回初始大小,然后代入KCF进行评估,综合原结果得出当前帧最合适的跟踪框。同时融合了多种特征以进一步提高整体跟踪效果。本文同时论述了跟踪评估方式,评估两种改进方案时从OTB数据集中分别选取29个遮挡属性的视频与28个尺度属性视频,分别通过定性与定量实验与原算法以及Stuck与TLD进行了对比。实验结果表明,本算法在成功率图与精确度图排名上均优于原KCF,TLD,struck算法。与原方法相比,改进后的方法能更好地适用于有尺度变化与遮挡的跟踪,能够广泛应用于目标跟踪领域。