运动目标跟踪作为机器视觉领域的重点研究内容,广泛应用于智能监控、智能交通、人机交互等各个领域。但由于跟踪场景复杂多变,跟踪效果易受遮挡、尺寸变化和快速移动等干扰因素的影响,想要设计一个鲁棒性高、通用性好、精确度高的目标跟踪算法仍然面临许多挑战和难题。因此,本文对核相关滤波跟踪算法进行研究,从位置预测、特征融合、尺度更新和模型更新四个方面进行改进,解决了算法存在的遮挡、尺度变化及跟踪误差累积问题,显著地提升了算法的准确性和鲁棒性。本论文主要工作如下:（1）研究了核相关滤波跟踪算法与粒子滤波跟踪算法,其中,针对粒子滤波算法存在的“粒子退化”问题,提出基于加权随机重采样的粒子滤波算法。结合核相关滤波算法与改进粒子滤波算法的特点,从位置预测、干扰检测和模型更新三个方面改进核相关滤波跟踪算法,使算法在遮挡干扰下更具鲁棒性。（2）研究了灰度特征、颜色特征和梯度特征等不同特征的特点,针对单一特征的目标表征能力不足的问题,提出多特征融合策略,充分发挥了核相关滤波算法的多通道特征优势。研究了Vibe目标检测算法和多块检测机制的原理及优点,建立基于Vibe算法的多块检测机制,对跟踪中的尺度变化情况进行精准分析,在此基础上,提出尺度自适应更新策略,实现对目标尺度的自适应调整。（3）为了测试和验证本文改进的跟踪算法,本文在Visual Studio 2013平台上,利用Open CV库和Qt跨平台开发工具设计了一个运动目标跟踪测试系统。采用本文改进的跟踪算法,能够对运动目标进行准确且稳定的跟踪,并反馈运动目标的坐标、帧速和跟踪框的尺寸信息。