近些年来,经济快速发展,水上运输方便快捷,成为重要的运输方式。但是部分航运参与者航运意识淡薄,出现逆行,超载,追越等行为,也给水上运输带来安全隐患。此外,水上运输环境差,尤其是国内内河流域,有些水域浅显,弯曲,通航环境差,容易引发交通事故。因此,有效地掌控通航环境,记录船舶行驶路线,监控船舶作业行为,对违规船舶,复杂危险的航行环境及时发出预警提示,是一项重大而又重要的工程。在对内河船舶进行行为判断之前,需精准定位目标船舶,并在运动过程中,能够一直跟踪目标船舶。船舶跟踪技术,提取船舶特征,能够获取船舶细节信息(位置和大小等)。因此实现内河船舶的准确跟踪,是船舶精准监控的关键技术之一。本文系统地分析内河视频序列属性。围绕着“如何准确实时地跟踪内河船舶,克服船舶在行驶过程中出现遮挡干扰,尺度变化情况”,这一重点问题。针对性地提出算法改进,并测试多种不同场景下的内河船舶视频,以此来验证算法的有效性和鲁棒性。具体完成以下几方面的工作。为了验证算法的有效性,本课题手工标注船舶数据集,并按照10种属性分类,建立公开数据集。以此验证算法在不同属性视频下,不同长度序列下的跟踪精确度和成功率,这也是本课题的贡献之一。为了达到精确跟踪内河船舶这一研究目标,本课题首先提出了一种基于相关滤波的改进算法,引入上下文线索,结合时间连续性和空间相关性,并提出优化回归的方法,能够更准确的拟合目标的空间结构,以此来提高算法对船舶遮挡情况的跟踪精确度和成功率。进一步地引入特征融合方法,使用VGG-M网络,提取CNN特征,与Hog,CN特征结合,以解决船舶尺度变化情况。基于上述建立的数据集,实验测试结果表明,与一些先进算法相比,提出的基于相关滤波的改进方法和特征融合方法在遮挡干扰和尺度变化情况下具有较好的跟踪精确度和成功率。在OPE评估方式下遮挡跟踪成功率达到0.774,尺度跟踪成功率达到0.832。