视觉目标跟踪是计算机视觉领域的重要研究课题。为了处理各种复杂的跟踪场景,达到较好的跟踪效果,现在越来越多的跟踪算法将跟踪与目标检测相结合。而深度信息不仅可以有效处理目标的大面积遮挡问题,同时由于其在采集的过程中变得越来越简单,使得其在视觉跟踪领域中变得越发重要。如今大部分跟踪算法多把深度信息作为辅助信息来判断遮挡,并没有充分利用深度信息的作用。近些年来,核相关性滤波判别式跟踪算法(Kernelized Correlation Filters,KCF)表现得尤为突出,然而当目标发生大面积遮挡和较为严重的目标形变等跟踪场景时,该算法的性能却大大降低了。基于KCF在此方面的不足提出了基于深度信息的核相关性滤波器跟踪算法(Research Depth-information Based of Kernelized Correlation Filters Tracking Algorithm,DKCF)。分析了在加入深度信息后对跟踪算法的影响。当前的跟踪算法大部分是在二维的图像中提取特征信息,并不能表明目标在场景中的实际位置,缺乏目标的空间信息。通过引入深度信息,能准确的提取目标的相对位置,较好的区分目标和非目标。通过引入深度图序列,利用当前帧的KCF最大响应点对应深度图的相应位置,以此位置计算得到深度图搜索区的置信图,然后采用高斯采样方法,计算每一个样本点目标区域大小的概率和,选取概率和最大的点与当前帧的KCF最大响应点进行融合,得到当前帧最终的跟踪目标坐标。通过不断的更新目标区的深度值和KCF的模板,使得本文提出算法不仅具有KCF算法构建的比较稳定的表观模型,而且目标模板能够较好的抵抗遮挡的干扰。实验表明了DKCF算法有效提高了跟踪的准确性和对不同场景的适应能力,能够有效地处理目标大面积遮挡和较大形变的问题。