El seguimiento visual preciso es un tema de investigación desafiante en el campo de la visión por computadora. El desafío proviene de varios problemas, como la deformación del objetivo, el desorden de fondo, las variaciones de escala y la oclusión. En este contexto, los rastreadores basados en filtros de correlación discriminativa (DCF) han demostrado un excelente rendimiento en términos de velocidad. Sin embargo, los rastreadores existentes basados en filtros de correlación no pueden manejar cambios importantes en la apariencia debido a oclusiones severas, lo que finalmente resulta en el desarrollo de un cuadro delimitador para el seguimiento de la deriva del objetivo. En este estudio, utilizamos un conjunto de DCF llamado banco de filtros de correlación discriminativa (DCFB) para el seguimiento visual con el fin de abordar las causas clave de la oclusión y la deriva de objetos en un marco de seguimiento por detección. En este trabajo, tratamos la ubicación actual del marco objetivo como el centro, extraemos varias muestras alrededor del objetivo y realizamos un aprendizaje en línea del DCFB. La ventana deslizante luego extrae numerosas muestras dentro de un gran radio del área donde el objeto en el siguiente marco se ubicaba previamente. Estas muestras se utilizan para que el DCFB realice la operación de correlación en el dominio de Fourier para estimar la ubicación del nuevo objeto; las coordenadas de las puntuaciones de correlación más altas indican la posición del nuevo objetivo. El DCFB se actualiza de acuerdo con la ubicación del nuevo objetivo. Los resultados experimentales sobre las evaluaciones cuantitativas y cualitativas en las desafiantes secuencias de referencia muestran que el marco propuesto mejora el rendimiento del seguimiento en comparación con varios rastreadores de última generación.