El seguimiento visual de objetos sigue siendo considerado una tarea desafiante en la sociedad de investigación de visión por computadora. El objeto de interés experimenta cambios significativos en su apariencia debido a variaciones en la iluminación, deformación, desenfoque de movimiento, desorden de fondo y oclusión. Los esquemas de seguimiento basados en filtros de correlación kernelizados (KCF) han mostrado un buen rendimiento en los últimos años. La precisión y robustez de estos rastreadores pueden mejorarse aún más al incorporar múltiples pistas del mapa de respuesta. El cálculo del mapa de respuesta es el paso complementario en los esquemas de seguimiento basados en KCF, y contiene una gran cantidad de información. La mayoría de los métodos de seguimiento basados en KCF estiman la ubicación del objetivo al obtener una sola pista, como el valor pico de correlación, del mapa de respuesta. Este documento propone explorar en profundidad el mapa de respuesta para obtener múltiples pistas sobre el modelo del objetivo. Además, se presenta un nuevo criterio basado en la hibridación de múltiples pistas, es decir, la energía promedio del pico de correlación (APCE) y la confianza del mapa de respuesta al cuadrado (CSRM), para mejorar la eficiencia del seguimiento. Actualizamos los siguientes módulos de seguimiento basados en el criterio hibridado: (i) detección de oclusión, (ii) ajuste adaptativo de la tasa de aprendizaje, (iii) manejo de desviaciones mediante tasa de aprendizaje adaptativa, (iv) manejo y (v) estimación de escala. Integraremos todos estos módulos para proponer un nuevo esquema de seguimiento. El rastreador propuesto se evalúa en videos desafiantes seleccionados de tres conjuntos de datos estándar, es decir, OTB-50, OTB-100 y TC-128. También se presenta una comparación del esquema de seguimiento propuesto con otros métodos de última generación en este documento. Nuestro método mejoró considerablemente al lograr un error de ubicación del centro de 16.06, una precisión de distancia de 0.889 y una tasa de éxito de superposición de 0.824.