目前,无人机被广泛应用于各行各业,其中航拍目标跟踪技术对航空、导航、农业、交通以及公共安全等领域具有重要意义。但是,相较于常见的地面固定视角,无人机航拍场景下面临更多复杂挑战,例如光照变化、目标快速移动、大尺度变化以及遮挡严重等。本文基于判别式相关滤波（Discriminative Correlation Filter,DCF）对目标跟踪算法展开研究,构建了本文的跟踪算法的整体框架,并对视觉目标跟踪算法进行了改进及实验验证。本文主要工作及贡献如下:（1）设计了面向目标跟踪的图像增强方法,受ADTrack在夜间跟踪效果良好的启发,引入了一种高效的图像增强方法,利用全局亮度值和对数平均亮度值构建了一个全局自适应因子,以应对各种复杂场景的光照强度变化、目标快速运动以及低分辨率等因素引起的图像质量退化对跟踪器性能的影响。（2）提出了一种空间正则项尺度自适应方法。针对跟踪过程中典型的跟踪器模型训练阶段空间正则项尺度不变问题,借鉴DSST（Discriminative Scale Space Tracking）尺度自适应思想,本文利用目标的尺度变化,自适应更新空间正则项裁剪矩阵尺度,实现了空间正则项尺度自适应及对滤波器求解的进一步约束。最后,在UAV123@10fps、DTB70以及UAVDT数据集上进行对比实验,实验结果表明本文的跟踪算法相对于基准算法Auto Track在三个数据集上精度分别提高了1.8%,1.9%和2.2%,验证了所提出算法的优越性。（3）提出了一种基于时空上下文的抗遮挡目标跟踪算法。首先利用目标跟踪过程中的响应图信息以及时间上下文信息进行动态的遮挡检测,可更准确地反映跟踪状态;然后在跟踪处于遮挡状态时,利用目标时空上下文信息生成多个目标候选区域,并利用历史滤波器进行目标重检测,实现了在跟踪处于遮挡状态下的高效重检测。最后,在UAV123@10fps和UAVDT数据集上进行对比实验,本文的跟踪算法相较于Auto Track在两个数据集上精度分别提高了2.4%和3.1%,验证了所提出抗遮挡算法的有效性。