近年来目标跟踪技术虽取得了快速进展，但是在复杂场景下，目标往往同时存在尺度变化、形变、遮挡以及背景杂乱等多种干扰因素，影响跟踪算法的准确性和鲁棒性。因此，研究复杂场景下目标跟踪算法具有十分重要的意义。本文以相关滤波和深度学习理论为基础，根据不同的应用需求，设计了两种目标跟踪算法。主要的工作内容如下：

(1)相关滤波跟踪算法在目标发生尺度变化和遮挡等情况时无法动态调整跟踪框尺度以及缺少遮挡判断机制导致跟踪准确性不高。针对以上问题，本文提出了一种自适应时空正则化的抗遮挡目标跟踪算法。根据图像深度和尺度之间存在强关联性，建立深度-尺度估计模型，利用目标深度值估计尺度值，实现尺度自适应跟踪；然后联合平均峰值相关能量和最大响应峰值对目标进行遮挡判断，当目标发生遮挡时，采用卡尔曼滤波对目标重定位；最后，引入空间正则项和自适应时间正则项训练相关滤波器，进一步提升算法的精度，采用交替方向乘子算法对滤波器快速求解，保证算法的实时性能。通过在OTB-100数据集上进行对比分析，实验结果表明，跟踪精度达到了71.6%,成功率达到了54.2%。与主流算法相比，算法在尺度自适应变化的基础上具备良好的抗遮挡能力。

(2)孪生网络目标跟踪算法在目标发生尺度变化、形变、遮挡和处于背景杂乱等更复杂的情况时网络缺乏对目标全局建模的能力，导致算法跟踪鲁棒性不高。针对以上问题，本文提出了一种基于全局上下文的多尺度目标跟踪算法。首先，采用设计的MF-SwinTransformer特征提取网络对输入图像实现全局上下文的特征提取；并融合多个空洞卷积对特征图采样，使网络能够关注到目标的多尺度信息；之后，在Transformer编码器中引入联合位置编码层，动态生成长度自适应的位置编码，实现对目标位置的精准定位；最后，通过分类和回归实现目标跟踪任务。在GOT-10k和LaSOT数据集上分别进行对比分析，实验结果表明，跟踪精度达到了64.5%,成功率达到了65.8%,与主流算法相比，算法在尺度变化、形变、遮挡和背景杂乱等复杂场景下展现出了良好的跟踪效果。

In recent years, although target tracking has made rapid progress, it often faces various interfering factors in complex scenes, such as scale changes, deformations, occlusions, and cluttered  backgrounds,  which  affect  the  accuracy  and  robustness  of tracking  algorithms. Therefore,  studying target tracking  algorithms  in complex  scenes  is  of great  significance. Based on correlation filtering and deep learning theory, this paper designs two target tracking algorithms according to different application requirements. The main contents of this work are as follows:

( 1) The correlation filtering tracking algorithm cannot dynamically adjust the tracking box scale and lacks occlusion detection mechanisms, resulting in low tracking accuracy in cases  of scale  changes  and  occlusions.  To  address  these  issues,  this  paper  proposes  an occlusion-resistant target tracking algorithm with adaptive spatio-temporal regularization. By establishing a depth-scale estimation model based on the strong correlation between image depth and scale, the algorithm estimates the scale value using the estimated depth value of the target,  achieving   scale-adaptive  tracking.  Then,  by  jointly  utilizing  the  average  peak correlation energy and the maximum response peak, the algorithm detects occlusions. When an occlusion occurs, the algorithm employs a Kalman filter to reposition the target. Finally, spatial regularization terms and adaptive temporal regularization terms are introduced to train the correlation filters, further improving the algorithm's accuracy. The alternating direction method  of  multipliers  is  used  for  fast  filter  solving,  ensuring  real-time  performance. Comparative  analysis  on  the  OTB- 100  dataset  shows  that  the  tracking  precision  reaches 71.6%,  and  the  success  rate  reaches  54.2%.  Compared  with  mainstream  algorithms,  the proposed algorithm exhibits good occlusion resistance based on scale adaptive changes.

(2)  The  Siamese  network-based target  tracking  algorithm using  convolutional  neural networks  for  feature  extraction  tends to  lose  fine-grained target  details  in more  complex scenarios where scale changes, deformations, occlusions, and cluttered backgrounds occur. Additionally,  the  network  lacks  the  ability  to  globally  model  the  target,  leading  to  low tracking robustness. To address these issues, this paper proposes a multi-scale target tracking algorithm  based  on  global  context.  Firstly,  an  MF-Swin  Transformer  feature  extraction network is designed to extract global contextual features from input images. Multiple dilated convolutions are fused to sample feature maps, allowing the network to focus on multi-scale information  of the  target.  Then,  a  joint  position  encoding  layer  is  introduced  into  the Transformer encoder to dynamically generate lengthadaptive position encodings for precise target localization. Finally, target tracking is achieved through classification and regression. Comparative  analysis  on  the  GOT- 10k  and  LaSOT  benchmarks  shows  that  the  tracking precision reaches 64.5%, and the success rate reaches 65.8%. Compared with mainstream algorithms,  the  proposed  algorithm  demonstrates  good  tracking  performance  in  complex scenarios involving scale changes, deformations, occlusions, and cluttered backgrounds.