近年来目标跟踪算法取得了显著的成果,但由于实际跟踪过程中受到复杂背景及目标的多变性等影响,目标跟踪仍具有一定的挑战性。因此,本文在核相关滤波目标跟踪算法上讨论了其优缺点并进行了研究,主要创新如下:(1)为了解决目标跟踪过程光照变化,跟踪不准确的问题,提出了一种基于视觉特性的核相关滤波跟踪方法。首先,利用颜色属性作为目标特征,从而提高跟踪器的光照不敏感性;然后,采用局部线性嵌入方法自适应降维,以达到低维特征空间;最后,根据正则化最小二乘分类器获得目标位置。实验表明,所提算法具有良好的光照不敏感性,且在复杂背景下具有更好的跟踪性能。(2)为了解决目标跟踪过程中尺度变化和遮挡的问题,提出了一种抗遮挡的目标跟踪算法。引入一个多尺度滤波器,根据滤波器的响应最大值进行尺度预测;并根据目标位置峰值尖锐度的差异性,正确更新模型。实验表明,所提算法在复杂背景下能有效地解决目标尺度变化、部分或完全遮挡等问题,综合性能有了明显的提升。(3)为了解决目标跟踪过程中快速运动、运动模糊的问题,提出了一种自适应目标响应的核相关滤波跟踪算法。在核相关滤波跟踪框架上,加入一项先验目标响应来联合优化训练分类器,使得学习的分类器可以解决循环移位造成的边界效应;当响应值小于设定阈值时,利用在线支持向量机(SVM)分类器对目标进行重定位检测,提高了算法的鲁棒性。实验表明,本文算法在目标发生快速运动、运动模糊等问题情况下,能准确、可靠地跟踪目标。本文围绕核相关滤波目标跟踪算法中面临的难点问题,展开了深入研究,并提出了相应的改进方法。实验结果表明,本文所提的三种算法分别在光照变化、遮挡、尺度变化及快速运动上,具有良好的跟踪性能。