为提高复杂场景下目标跟踪的鲁棒性,解决因光照变化、目标形变、尺度变化和遮挡等因素导致的目标跟踪失败问题,提出了一种自适应特征融合的多尺度核相关滤波目标跟踪算法。该算法首先通过两种不同的特征分别训练两个核相关滤波器,接着利用它们响应的峰值旁瓣比和相邻两帧之间的响应一致性获得融合权重,同时采用自适应加权的融合策略将它们的响应结果进行融合,完成目标的位置估计;然后以此为中心进行多尺度采样构建尺度金字塔,并通过贝叶斯估计的方法确定目标的最优尺度;最后依据目标跟踪的置信度来进行跟踪模型更新,避免模型退化。实验选取了51组视频序列进行测试,并与近年来性能优异的目标跟踪算法进行了对比。实验结果表明,本文算法能够有效降低光照变化、目标形变、尺度变化和遮挡等因素影响,在测试视频序列上取得了较高的跟踪精度和成功率,整体性能优于对比算法。