随着人工智能、深度学习、计算机技术的快速发展,目标跟踪作为计算机视觉领域的热门研究问题,国内外其他的目标跟踪算法层出不穷。但由于目标跟踪背景的复杂性和目标本身的多变性,比如:背景杂波、目标形变、遮挡等因素,使得设计一种全面、鲁棒的目标跟踪算法仍然是巨大的挑战。其中,基于相关滤波的目标跟踪算法一被提出就备受研究学者的关注,其跟踪速度和精度远远超过其他目标跟踪算法。本文针对相关滤波算法进行深入研究,并且在传统方法上做出了改进,主要内容如下:首先,对课题的研究背景和意义进行概述,分析了目标跟踪技术的国内外研究现状,对目标跟踪领域所要应对的挑战性问题进行汇总,同时对基于相关滤波的目标跟踪算法原理说明,列举了一些经典的跟踪算法。其次,针对核相关滤波算法在面临背景杂波、目标形变问题时提出基于特征融合的改进目标跟踪算法,该算法引入颜色模版同时获得滤波模版和颜色模版计算采样得分,将两者进行特征融合,并采取每20帧更新目标模版的策略,根据阈值条件得分较大的模版作为目标再检测初始化的位置。通过对比实验证明改进的算法切实可行。再次,针对目标遮挡问题,提出基于特征融合防目标遮挡的长期跟踪算法,设置一个在线检测机制,当目标消失或者被遮挡时停止跟踪器参数更新,开启在线检测机制重新定位目标所在位置,此外利用汉明窗提取目标的RGB信息,引入颜色属性,增加目标特征描述。通过实验证明防遮挡策略有效可行。最后,针对目标跟踪过程不能自动初始化问题以及将目标检测方法应用于目标跟踪中防止目标被遮挡的问题,提出将使用了VGG16的卷积神经网络SSD目标检测算法和目标跟踪算法相结合的实时行人监测跟踪计数系统,通过试验证明系统有效可行。