目标跟踪作为计算机视觉的一个重要研究方向,不断被重视和发展,已经在智能监控、航拍导航、无人驾驶等领域得到广泛的应用。随着目标跟踪应用的场景越来越复杂,面对的挑战也越来越多,如目标遮挡、形变、尺度变化等,这些挑战会使目标跟踪成功率和准确率降低,影响跟踪效果。本文以核相关滤波（Kernel Correlation Filter KCF）跟踪算法框架为基础,针对遮挡问题进行了深入的分析和研究。本文的主要研究内容如下:1.设计结合颜色名特征（Color Names CN）特征相似度与响应图峰值特性的遮挡判断策略。针对遮挡问题,需要对跟踪过程中的目标是否遇到遮挡进行判断。通过分析跟踪过程中目标在正常、遮挡、形变场景下的相关响应图,发现目标遮挡、形变场景中响应图相比正常场景存在多个峰值。提取并比较峰值面积和局部峰值数,可以对目标是否被遮挡进行有效判断,并通过结合CN特征相似度,有效降低了形变对遮挡判断的误判率。2.在传统KCF算法基础上引入了尺度估计,提出了在不同场景下的模型更新策略及结合运动特征的变搜索区域策略。针对长时遮挡问题,提出了融合Yolov5和改进KCF的目标跟踪算法框架和多特征的目标重识别策略。在KCF算法中引入尺度池进行尺度估计,有效解决了跟踪过程中目标尺度变化带来模型精度降低问题。当目标处于遮挡、形变场景时改变模型更新速率,防止遮挡过程中的跟踪漂移问题和提高了跟踪的精度。在短时遮挡过程中,时间较短可以近似为线性运动,通过估计目标移动范围,扩大或改变相关滤波算法的搜索区域,提高了目标在短时遮挡下跟踪的精度。针对目标在长时间遮挡下的跟踪效果差的问题,采用融合检测模块对全图进行检测,对检测到的多个候选目标,采用目标间距离特征、目标尺度特征、外观特征、相关滤波响应多个特征进行目标重识别策略,筛选出原跟踪目标,完成后续的跟踪,提高了长时遮挡下的目标跟踪准确率和稳定性。3.构建了基于转台摄像头的抗遮挡目标跟踪控制系统。本文将上述视觉跟踪算法应用到转台摄像头中,通过视觉跟踪算法对摄像头的视频信息进行分析,对目标进行定位,将坐标传回到转台控制系统中。当目标位置距离摄像头视场中心距离超过阈值时,发送控制指令对转台进行控制,跟随目标转动,将目标保持在视场中。针对转台控制的滞后问题,本文通过卡尔曼滤波的坐标和速度预测,估计目标后续帧的运动范围,对转台进行提前控制,降低了转台跟踪的滞后性。对转台的速度采用基于目标运动速度的分段变速控制,解决了转台震荡和跟踪不及时的问题。本文采集了多组具有短时遮挡、长时遮挡、形变、尺度变化等实际场景的视频序列组成数据集。对以上策略和算法进行自身对比实验,与多个具有代表性的算法进行横向对比实验。实验结果表明,本文的遮挡判断策略能对目标跟踪过程中的遮挡场景进行有效判断,融合Yolov5和改进KCF目标跟踪算法框架可以有效解决目标跟踪中的遮挡问题,成功率和准确率都有所提升。本文还在实际场景中进行了转台的抗遮挡目标跟踪实验,结果表明本文构建的基于转台摄像头的抗遮挡目标跟踪系统在不同场景下能很好的跟踪视场内的目标,并将目标始终保持在视场内,防止目标丢失,满足目标跟踪任务要求。