目标跟踪是计算机视觉领域的一个重要研究方向,在视频监控、视频检索、军事制导等方面均有着广泛的应用。为了更深层的挖掘目标特征来适应更复杂的应用场景,近年来目标跟踪研究逐渐从传统算法转向基于学习的算法。其中,基于相关滤波的目标跟踪算法在兼顾跟踪精度的同时具备较高的速度,引起了研究人员的极大关注。本文对相关滤波跟踪算法进行研究,在深入分析相关滤波器的基础上,提出一系列创新性改进方法,主要研究内容如下:(1)针对现有相关滤波算法在目标特征表达上的不足,在核化相关滤波器基础上,提出一种多特征融合跟踪方法。首先,引入多种互补特征进行目标的多特征描述;其次,提出一种混合多特征融合策略,并在线自适应地计算特征融合权重。(2)在核化相关滤波器基础上,提出一种自适应特征选择跟踪方法。首先,提取三组互补特征并通过相关滤波响应图评估各特征跟踪性能,自适应选择最优特征形成相关滤波跟踪器;其次,优化模型更新方式,从而更有效地处理遮挡和漂移问题。(3)在上述特征表达改进的基础上,引入尺度估计相关滤波器,形成基于自适应特征融合的多尺度跟踪算法和基于自适应特征选择的多尺度跟踪算法,提高跟踪算法的尺度适应性。本文通过标准跟踪视频集和客观跟踪性能评估方法,对以上所提算法进行测试与分析。实验表明,和传统相关滤波跟踪以及其他流行跟踪算法相比,本文算法保证了目标跟踪的实时性,同时表现了良好的鲁棒性和更高的跟踪精度。