目标跟踪是机器视觉中的一个重要分支,其目的是对视频中的指定目标进行跟踪。从跟踪数据集来看主要分为地面监控视频和无人机监控视频,本文考虑几种主要的无人机视频数据集和一个地面监控视频数据集。相关滤波的目标跟踪算法在视频跟踪中表现出良好的性能,其中的自适应空时感知算法是最近比较热门的模型之一。评价目标跟踪性能的两个重要指标是准确度和精确度,本文从这两个指标出发,对自适应空时感知模型进行分析和改进。为了解决相关滤波器的更新不受冗余信息干扰的问题,本文提出了一种最优运输距离联合低秩化响应方法。本文通过最优传输距离来学习时域经验上的参数分布,利用方差不变特性进行时间平移,将相关滤波器成功地嵌入到时间退化之前。此外,利用一致性低秩约束近似最优响应推理,以达到全局响应一致性,这种做法利用视频相邻序列相关滤波器结构一致性,有助于加强相关滤波器更新的稳定性。在几个公共标准的数据集中,与最先进的算法相比,结果证明了新算法的优越跟踪性能。在相关滤波器更新时,自适应空时感知算法没有充分利用目标的静态特征,未考虑边界梯度的不连续所带来的噪声干扰的问题。为此本文提出了二元高斯掩码加权联合动静态引导方法,对目标的全局响应进行二元高斯掩码加权以保留中心的全局响应,从而避免边界梯度不连续的干扰。此外,本文通过利用前后帧的静态图像输入特征差异和滤波器的动态结构差异联合引导相关滤波器的更新,减弱目标形变导致模型更新准确性的影响。与最先进算法相比,在几个数据集中的结果证明了本文算法的优越性。