針對(duì)傳統(tǒng)相關(guān)濾波跟蹤器在目標(biāo)尺度變化和部分遮擋時(shí)效果不佳等問(wèn)題，基于KCF提出了一種全局塊與局部塊協(xié)作的分塊跟蹤算法。該算法首先根據(jù)目標(biāo)的外觀特征，對(duì)跟蹤目標(biāo)進(jìn)行水平或垂直分抉，并分別訓(xùn)練兩個(gè)局部濾波器和一個(gè)全局濾波器;然后在跟蹤過(guò)程中使用局部濾波器對(duì)局部抉進(jìn)行跟蹤，并根據(jù)局部抉的跟蹤結(jié)果對(duì)全局塊的中心點(diǎn)位置進(jìn)行初始預(yù)測(cè)。最后通過(guò)全局濾波器確定目標(biāo)的最終位置，并將相關(guān)更新和尺度參數(shù)反饋給局部濾波器，以更新全局濾波器和局部濾波器。此外，不同于KCF使用單一的HOG特征，該算法合并了CN特征，改善了HOG特征對(duì)目標(biāo)形變和運(yùn)動(dòng)模糊的表達(dá)能力。另外，為解決目標(biāo)部分遮擋導(dǎo)致的模型漂移問(wèn)題，提出了一種基于有效局部塊來(lái)指導(dǎo)模型更新的方法，并給出了有效局部塊的評(píng)價(jià)標(biāo)準(zhǔn)。同時(shí)，該算法通過(guò)分析前后兩幀局部塊之間的距離變化對(duì)目標(biāo)的尺度進(jìn)行估計(jì)，解決了因目標(biāo)尺度變化帶來(lái)的跟蹤失敗問(wèn)題。實(shí)驗(yàn)在包含100個(gè)視頻序列的公共數(shù)據(jù)集OTB-100上進(jìn)行，在評(píng)價(jià)指標(biāo)上，以AUC得分為主，DP和OP為輔，對(duì)算法的性能進(jìn)行評(píng)估。實(shí)驗(yàn)結(jié)果表明：所提出的算法能有效應(yīng)對(duì)尺度變化和部分遮擋的問(wèn)題，AUC得分在KCF的基礎(chǔ)上提升了10%，總體性能也比KCF的其他4個(gè)改進(jìn)算法更優(yōu)，處理速度達(dá)到32fps。