目标跟踪作为计算机视觉领域中一个重要的研究分支,广泛应用于智能安防与监控、人机交互、智能交通等领域。在实际跟踪过程中,目标容易受外界光照变化、尺度变化、周围背景信息变化、旋转、运动模糊、快速运动等因素影响,导致跟踪结果不准确,如何实现对这些复杂场景下目标的鲁棒跟踪,是目标跟踪领域存在的难点之一。自相关滤波理论应用到目标跟踪领域后,取得了很好的跟踪效果,在提高目标跟踪准确性的同时,算法处理速度得到了一定地提升。但是,相关滤波算法采用固定的模型更新机制对滤波器模型和目标特征向量进行更新,导致跟踪模型不能很好地适应复杂场景下的跟踪。因此,本文重点对带有目标重定位机制的相关滤波跟踪框架进行深入研究,解决复杂场景下目标跟踪结果不准确问题。具体研究工作如下:(1)在跟踪过程中,为了更好地适应复杂场景下目标运动状态和周围环境变化,使模型通过自适应学习而更新,本文在已有跟踪框架基础之上,改进自适应学习模型更新机制,通过自适应更新学习率,让模型能够保持对复杂场景下目标的辨别能力和跟踪性能。(2)同时,针对目标所处复杂环境的不同,在已有跟踪框架基础之上,通过动态调整检测阈值,增加了判断跟踪结果是否可靠的广适性。通过在目标跟踪领域公认且权威的实验数据集OTB-2013和OTB-2015上进行实验,其结果表明,结合以上两点改进可以更好地对复杂场景下目标进行鲁棒跟踪,与其他方法相比,具有很好的跟踪精度和成功率。(3)使用Matlab GUI技术设计和实现了一个目标跟踪系统。经过测试表明,该系统可以对实验视频集中复杂场景下的目标实现跟踪。