目标跟踪是计算机视觉领域中的一个经典的问题,同时也是智能监控和视觉导航等应用的基础,在民用和军用领域均有重要的意义。但是如何在保证实时性的基础上进行长时间稳定地跟踪仍是跟踪领域的一个难题。近年来基于相关滤波的算法在目标跟踪领域大放异彩,不论在速度还是性能上都有着巨大的潜力,因此本文主要研究以相关滤波为理论基础的跟踪算法,但是经典的相关滤波跟踪仍有一定的局限性,难以解决长时跟踪的问题。本文首先阐述了目标跟踪的理论基础和相关问题,然后着重介绍了相关滤波跟踪算法并分析了其优点和不足之处,为了将相关滤波的优势引入长时跟踪领域,本文研究并提出了一种基于级联检测器的运动目标鲁棒跟踪算法。该方法引入级联分类器负责对目标的精确定位,初始帧在目标周围进行特征建模并训练不同的分类器,正常跟踪过程中将分类器进行级联检测确定目标的准确位置并对分类器进行更新,然后将检测的结果与跟踪结果进行综合,从而减小误差累积带来的跟踪漂移。针对有干扰的情况利用峰值响应和平均峰值相关能量综合判断,保证模型的高置信度更新,当干扰消失时设计重捕获算法来及时找回目标并继续稳定跟踪。最后在不同的数据集上对本文提出的算法进行性能测试,实验表明本文提出的方法能够有效克服长时跟踪过程的漂移和丢失问题,在实际应用中有广阔的前景。