目标跟踪技术与我们日常的生产生活紧密相关,在民用,军事等诸多领域都有极大的应用价值,然而影响跟踪性能的因素有很多,提高跟踪系统的鲁棒性仍然面临严峻的挑战。目前,相关滤波是目标跟踪领域重要的方法之一,但在一些复杂的跟踪环境下,该类算法仍有待继续深入研究。为此,本文基于相关滤波框架,从多个角度研究目标跟踪的改进方法,主要的工作和成果包括以下几点:(1)研究了一种结合粒子滤波的相关滤波跟踪算法。首先对视频序列进行相关滤波,利用滤波响应图的峰值旁瓣比确定当前帧是否发生遮挡。若未发生遮挡,则采用相关滤波算法得到的位置作为跟踪结果;若发生遮挡,则采用相关滤波和粒子滤波结合的跟踪方案。对于相关滤波和粒子滤波结合的方案,首先用转移模型生成粒子,并对粒子进行初始化;然后从重要性概率密度函数中随机采样粒子;之后对粒子的权值进行更新并对粒子进行重采样;对重采样得到的每个粒子进行相关滤波,根据相关滤波器的响应对每个粒子的权重进行修正,实现对粒子的选择;最后进行加权平均得到粒子的状态。算法能有效地处理遮挡问题,同时,降低了计算的复杂度。(2)研究了一种结合多通道特征的相关滤波跟踪算法。利用图像的颜色,形状和纹理三种互补特征训练独立的相关滤波器,根据相关滤波的最大响应值为每个独立的滤波器设置不同的权重值,通过线性叠加得到加权响应图,响应图中响应值最大的位置即为最终的目标位置。为了适应目标尺度的变化,算法还增加一个尺度估计模块,通过设置尺度池,对不同大小的样本块进行特征提取,用训练的尺度滤波器进行目标尺度的估计。由于算法中加入了尺度估计模块,能对不同大小的目标进行一定程度的缩放,解决了相关滤波算法中跟踪目标尺度固定的问题。(3)研究了一种结合LK光流(Lucas-Kanade,LK)的相关滤波跟踪算法。首先对跟踪的视频序列进行前后向光流匹配,利用匹配后特征点的数量判断目标是否发生遮挡。若目标发生遮挡,则采用光流跟踪得到的目标预测位置,因为光流包含目标丰富的运动信息,能在场景未知的情况下检测出目标状态;若未发生遮挡,则采用运算效率高的相关滤波算法得到的目标的预测位置。此外,在确定了目标的预测位置后,利用筛选出的关键特征点,可以计算目标尺度变化比例,实现当前帧目标尺度的自适应变化。对算法在OTB2013数据集上进行验证,实验结果证明,结合粒子滤波的相关滤波跟踪算法能有效的解决部分遮挡问题,由于粒子滤波能适应目标尺度变化,所提算法在一定程度上也解决了目标尺度变化问题,但跟踪速度方面仍有提升的空间。结合多通道特征的相关滤波跟踪算法对目标进行更准确的表示,提升了在背景杂乱,光照变化等复杂场景中跟踪的准确性。此外,算法中还加入了尺度估计模块,能很好的地解决一定范围内目标尺度变化问题,且能保持一个比较高的跟踪速度。结合LK光流的相关滤波跟踪算法能有效地处理多种场景的遮挡问题和尺度问题。同时,尺度变化的比例不仅局限在一定范围,而能实现对尺度的自适应调整。