针对传统KCF跟踪算法在实际场景中存在特征提取不准确、尺度不能自适应以及遮挡适应能力差等问题,对该算法进行了三方面的改进一是特征融合改进,在FHOG特征和CN特征的基础上,加入边缘特征,提升了目标定位的准确性;二是尺度自适应改进,通过尺度的调整动态改变目标定位搜索框的大小,提高了算法对目标尺度变化的适应性;三是抗遮挡改进,在出现遮挡时,通过遮挡判断和重定位机制,使得算法具有一定的抗遮挡能力,实现了对目标的长时间跟踪。将改进KCF跟踪算法与传统KCF跟踪算法在OTB-50数据集下进行对比测试,结果表明,改进算法的跟踪精确度提升了55.21%,跟踪成功率提升了74.33%。