目前,伴随着复杂的应用环境和严苛的技术要求,目标跟踪技术需要不断地改进。其中,目标特征的提取是跟踪技术中一个重要的改进方向。从简单特征到复杂特征,从单一特征到多特征,不断地优化特征对目标外观的表达能力。本文以相关滤波框架为理论基础,重点关注跟踪过程中的特征选择问题,同时兼顾算法实时性与鲁棒性的要求,结合多种相关滤波目标跟踪算法开展研究工作。具体研究内容及创新点概括如下:(1)针对单一颜色特征在复杂的跟踪场景中无法兼顾局部与全局信息而造成跟踪漂移或失败的问题,提出了一种以相关滤波跟踪算法为框架的双颜色特征融合目标跟踪方法。首先,在相关滤波跟踪框架下提取目标的颜色直方图和自适应颜色降维(CN)特征,并求解出不同特征的响应;然后,提出一种新的特征响应融合策略,通过相邻帧目标中心的距离关系,来自适应特征响应融合时的权重,减少在响应融合阶段的调参工作,增加算法的性能。(2)针对双颜色算法在光照变化、快速运动、背景干扰等场景中鲁棒性差的问题,在双颜色特征的基础上引入梯度直方图(HOG)特征,提出一种三特征融合跟踪算法。采用多种特征融合的方式,丰富了目标外观的特征表示,提高了算法的跟踪精度。为了满足跟踪算法实时性要求,采用主成分分析(PCA)技术对提取的HOG特征进行降维,在保证跟踪精度的同时降低了算法的计算量。(3)针对尺度评估阶段稠密尺度样本特征提取会增加计算复杂度的问题,采用改进的尺度评估策略。在保证目标尺度预测准确度的情况下,通过降低尺度样本数量以及提取特征的维度来提升算法的处理速度。