El mecanismo de atención juega un papel crucial entre las tecnologías clave en el seguimiento visual basado en transformadores. Sin embargo, los métodos actuales para el cálculo de la atención descuidan la correlación entre la consulta y la clave, lo que resulta en correlaciones erróneas. Para abordar este problema, se propone un marco CWCTrack en este estudio para el seguimiento visual de transformadores. Para equilibrar los pesos del módulo de atención y mejorar la extracción de características de la región de búsqueda y la región de plantilla, se introduce un módulo de correlación ponderada consistente (CWC) en el bloque de atención cruzada. El módulo CWC calcula la puntuación de correlación entre cada consulta y todas las claves. Luego, la correlación multiplica los pesos consistentes de los demás pares de consulta-clave para adquirir los pesos de atención finales. Los pesos de consistencia se calculan según la relevancia de los pares de consulta-clave. La correlación se mejora para el par de consulta-clave relevante y se suprime para el par de consulta-clave irrelevante. Los resultados experimentales realizados en cuatro benchmarks prevalentes demuestran que el CWCTrack propuesto produce un rendimiento preferible.