El seguimiento de objetivos siempre ha sido una dirección de investigación importante en el campo de la visión por computadora. El método de seguimiento de objetivos basado en filtrado por correlación se ha convertido en un punto caliente de investigación en el campo del seguimiento de objetivos debido a su eficiencia y robustez. En los últimos años, se han realizado una serie de nuevos desarrollos en esta investigación. Sin embargo, los algoritmos tradicionales de filtrado por correlación no pueden lograr un seguimiento en tiempo real en escenas complejas como cambios de iluminación, oclusión de objetivos, deformación de movimiento y desenfoque de movimiento debido a sus características únicas e información de fondo insuficiente. Por lo tanto, se propone un algoritmo de seguimiento de filtrado por correlación anti-oclusivo y adaptativo a la escala. Primero, se resuelve el problema de la característica única de los filtros de correlación tradicionales a través de la fusión de características. En segundo lugar, se introduce la pirámide de escala para resolver el problema del fallo en el seguimiento causado por cambios de escala. En este documento, se entrenan dos filtros independientes, a saber, el filtro de posición y el filtro de escala, para localizar y escalar el objetivo, respectivamente. Finalmente, se propone una estrategia de juicio de oclusión para mejorar la robustez del algoritmo en vista del problema de deriva en el seguimiento causado por la oclusión del objetivo. Además, se mejora el problema de la información de fondo insuficiente en los algoritmos tradicionales de filtrado por correlación al agregar información de fondo consciente del contexto. Los resultados experimentales muestran que el algoritmo mejorado tiene una mejora significativa en la tasa de éxito y precisión en comparación con el algoritmo de seguimiento de filtro de correlación de núcleo tradicional. Cuando el objetivo tiene grandes cambios de escala o hay oclusión, el algoritmo mejorado puede seguir manteniendo un seguimiento estable.