视频目标跟踪技术能够根据初始帧给定的目标信息,在后续视频帧中得到该目标的运动参数。其在精确制导、智能导航等诸多领域有着广泛的应用前景。但实际的跟踪过程中存在各种复杂的情况,以至于视频目标跟踪算法要面对较多的挑战。本文主要针对相关滤波跟踪算法在目标遮挡、背景杂乱、快速运动等挑战中出现的响应图的多峰值的问题,基于多峰检测技术对相关滤波跟踪算法展开研究。本文开展的主要工作如下:第一,针对目标遮挡与目标形变挑战场景中,相关响应图的最大峰值并非总是目标真实位置的问题。本文提出了一种基于峰值变化比与状态判别相结合的跟踪方法。该方法首先对当前帧响应图的状态进行判别。当判断出当前响应图处于多峰值的状态时,不再盲目地选取响应图中的最高峰作为跟踪目标对应的响应峰值,而是采用峰值选择模块,从多个峰值中选择出跟踪目标对应的响应峰值,从而降低多峰值对跟踪算法的影响。基于公开的基准视频集的对比实验表明了,该方法有效促进了跟踪算法在遮挡、形变等复杂场景下的跟踪性能。第二,针对背景杂乱挑战场景下目标定位不准确的问题。基于上一种改进方法,本文提出了一种基于改进后的峰值选择与条件更新的跟踪方法。该方法在跟踪模板的建立中引入了时间正则项和自适应的正则项惩罚系数,结合历史峰值信息对峰值选择模块进行了改进。并对当前模板的更新进行了判别。当算法判断当前响应图符合更新条件时,对跟踪模板和自适应的惩罚系数进行更新。当算法判断当前响应图不符合更新条件时,则跳过该帧,不对跟踪模板与自适应的惩罚系数进行更新,避免跟踪模板与惩罚系数被错误信息所污染。基于公开的基准视频集的对比实验表明了,该方法进一步提高了跟踪方法在复杂场景下,尤其是背景杂乱场景下的跟踪性能。