近年来,随着视觉目标跟踪技术的快速发展,大量的红外目标跟踪算法相继被提出,并在各界领域中发挥着不可或缺的作用。但由于红外目标本身具有低分辨率、对比度差和纹理信息缺失等特点,再加上复杂的背景环境影响,使得红外目标跟踪成为机器视觉中具有挑战性的任务。背景感知相关滤波算法（BACF）在可见光目标跟踪任务中表现出了良好的跟踪性能,却在红外目标跟踪任务中表现欠佳。本文针对BACF算法在遮挡、快速运动和运动模糊情况下容易发生算法漂移问题,提出了基于改进BACF算法的红外目标长期跟踪,具体的研究工作和结果如下:（1）为了解决BACF算法在遮挡、快速运动和运动模糊情况下跟踪失败的问题,提出一种基于多特征融合的红外目标长期跟踪。首先,通过融合HOG特征和运动特征来加强跟踪器对红外目标外观信息的表征能力,其次,利用空间窗加权代替原始的余弦窗加权,对目标中心位置突出的特征赋予更高的权重,同时还可以抑制边缘效应,然后,提出一种评估响应图质量函数来判断目标是否发生遮挡,当质量值低于设定的阈值时将不会更新滤波器模板,避免滤波器学习到背景信息,最后,利用结构化支持向量机对跟踪失败后的红外目标进行重新检测,进而实现长期跟踪。实验结果显示,基于多特征融合的红外目标长期跟踪在OPE评价标准下的精确度为0.788,成功率为0.712,相比于基准算法分别提高了1.3%和8.2%,在VOT评价标准下的EAO得分为0.244,A和R得分分别为0.622和0.845。（2）为了解决BACF算法在红外目标跟踪过程中发生失败后无法实现对目标重定位问题,提出基于改进BACF算法的红外目标长期跟踪,当算法跟踪失败以后,通过引入重检测模块来实现对目标的重定位跟踪。首先,通过重检测机制判断目标是否跟踪失败,当评估响应图质量值和特征点匹配数都低于各自设定的阈值时,表明目标跟踪失败,然后,利用重定位策略对目标重新定位,最终实现红外目标的长期跟踪。实验结果显示,基于改进BACF的红外目标长期跟踪在OPE评价标准下的精确度为0.806,成功率为0.726,相比于基准算法分别提高了3.6%和10.3%,在VOT评价标准下的EAO得分为0.241,A和R得分分别为0.662和0.845。