针对目标跟踪中的尺度变化、旋转、遮挡等问题，提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型，利用核相关滤波算法检测目标位置，使用多尺度、多形状跟踪方法精确定位目标，在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析，并与多种跟踪算法比较，该算法的距离精度和重叠精度相比核相关滤波算法，分别提高了１９％、５４％。实验结果表明，采用高斯混合模型和多尺度、多形状跟踪方法，较好解决了外观和尺度变化问题，相比其它算法具有更好的鲁棒性和