随着电力系统的多媒体化和信息化,大量变电站、输电线路等都采用了远程监控系统,采集了大量的视频图像。目前其检测跟踪基本上是人工完成,可能会导致误检和漏检,错失事件最佳处理时机,所以针对变电站这种实际场景,首先需要在没有人工干预的情况下可以做到自动跟踪视频中的目标,抽取视频源中的关键有用信息;其次需要能够迅速跟踪目标;最后由于变电站现场环境复杂,很可能在跟踪的过程中使得目标丢失,因此,需要做到尽可能准确的跟踪目标,即达到很高的跟踪精度。为了解决上述问题,基于相关滤波的跟踪方法有着无与伦比的优势。所以本文首先针对此背景选取合适相关滤波的目标跟踪方法,然后对此跟踪方法存在的问题进行改进,并在不同的场景下对算法进行测试,分析算法的跟踪性能,最后实现一个电力智能视频监控平台,方便工作人员进行操作。本文的主要研究内容如下:1)本文提出了一种高置信度策略的DSST跟踪算法。为了解决DSST跟踪算法需要手动标记初始帧的位置、实时速度和更新策略的问题,此算法在原始的算法基础上融合了三帧差目标检测算法、基于Sobel算子和均匀插值的非线性缩放算法,并且用PCA方法对Hog特征、颜色直方图特征进行降维后串联成联合特征向量,同时在模型更新策略方面,引入了响应图中的最高点的值F_max和APCE（average peak-to correlation energy）指标。为了验证此算法的有效性,使用变电站数据集中50组视频图像对其进行算法测试,通过实验结果分析得出此算法提高了跟踪精度和速度,可用于变电站场景下的跟踪。2)本文算法普适性验证。为了进一步证明本文算法的其他场景下的鲁棒性,本文在公开数据集OTB和VOT上进行测试。首先通过OTB数据集上的实验结果分析出本文算法在整体性能评估上略好于其它先进算法,在低像素、形变这两个属性上略次于Staple算法,但是在其他的9个属性上效果最佳;其次在VOT数据集上的实验结果表明本文算法整体上跟踪表现与Staple算法略微一致,除了在遮挡特性上略好于Staple算法,在其余的5个特性上也是稍微低于Staple算法。通过一系列的实验比较分析得出本文算法确实在很多场景下都表现出很强的鲁棒性和跟踪效率。3)电力智能视频检测与跟踪系统。为了方便变电站工作人员进行视频检测跟踪操作,在本文算法的基础上,完成了一个电力智能视频运动检测及跟踪系统。此系统由算法测试、批量检测、实时监测三个模块组成,其中算法测试模块是以图形化的方式直观地比较本文算法与原始算法的优劣;批量检测模块是一次选择多个变电站监控视频检测,然后逐条显示跟踪信息,并将其存储在数据库;实时监测模块是实时预览跟踪摄像头下的运动目标,并且通过日志文件显示异常情况,此外集成了特征展示等一些额外的功能。