目标跟踪是计算机视觉领域中最具挑战的工作之一。近几十年来，研究者提出了多种优秀的目标跟踪算法，但实际环境中的目标跟踪仍然面临着一系列的挑战，跟踪过程中的目标外观变化，包括跟踪目标尺度变化、光照变化、旋转、部分或全部遮挡等问题，常常导致跟踪失败。为了解决上述问题，本文针对基于相关滤波的目标跟踪算法进行了研究和探索，本文的主要工作如下：　　（1）提出了一种基于特征点匹配的尺度和旋转自适应跟踪算法。针对视觉目标跟踪中跟踪目标的尺度变化、旋转等，首先利用分类器确定目标的中心位置，然后对特征点进行局部采样来估计目标的尺度变化和旋转角度。在特征匹配过程中，使用前、后两次光流匹配消除不稳定特征点；计算特征点对的权重分布，从而估计出目标的最佳尺度和角度；判断当前目标是否受到遮挡，进而使用更合理的方式更新特征点集和目标模型，进一步提高了算法的鲁棒性；　　（2）根据不同特征在各种干扰因素下，特征的不变-区分光谱不同，训练出的分类器的分类能力不同，提出了一种多特征融合的跟踪算法。将多个特征核进行有效的组合，组合特征模型提高了算法的抗干扰能力；　　（3）结合以上算法，形成本文最终的算法。从标准视频序列中选取具有目标遮挡、尺度变化、旋转等不同干扰因素的视频序列对改进算法进行测试。实验结果表明，该算法在复杂场景下能适应目标的外观变化，且完全满足实时场景的跟踪需求。