红外目标跟踪广泛应用于军事、交通、安防等领域。由于场景的复杂性,红外目标跟踪过程中可能出现低分辨率目标、目标遮挡、相似目标、相机移动等情况,对跟踪算法提出了较大的挑战。本文主要对复杂场景下的红外目标跟踪方法进行了研究,主要内容包括以下方面:首先,我们介绍了核相关滤波算法,核相关滤波算法具有运算速度快,消耗资源少等优势,但是在目标特征表达上存在一定缺陷。特别在跟踪低分辨率目标时,由于目标特征信息较少,核相关滤波算法容易丢失目标。为了解决这一问题,本文将灰度特征与HOG特征组合,取得了较好的结果。其次,为了解决目标遮挡、相似目标重合等跟踪难题,本文将粒子滤波算法与上述改进算法相结合,提出了一种基于位置预测的组合特征核相关滤波算法。由于目标在处于遮挡状态时表观信息被遮挡物所掩盖,基于目标外观特征的跟踪方法容易丢失目标。因此,本文利用粒子滤波算法估计目标位置和运动信息,再利用改进的核相关滤波算法精确计算目标位置,让跟踪器获得了较好的抗遮挡能力。然后,本文利用尺度金字塔和灰度分布直方图对目标尺度进行估计,在保证算法实时性的情况下,达到了跟踪过程中尺度自适应的目的。利用自适应的学习率对目标特征进行更新,让模型适应了目标外观的变化。最后,本文收集和标注了多个红外视频序列,建立了红外视频数据集。在数据集中将本文提出的算法和经典的跟踪方法进行了对比,从精确度、重叠率、实时性等多个方面对算法进行了评价和分析。同时,编写了算法调试平台,方便了算法移植。