视觉目标跟踪在视频智能监控和机器人视觉导航等领域有着广泛的应用。针对传统的核相关滤波器(KCF)跟踪方法缺乏目标尺度估计,对目标尺度显著变化的视频序列表现效果很差的问题,提出了一种多尺度估计的改进方法。该方法借鉴了分类尺度空间跟踪器(DSST)采用尺度金字塔相关滤波器做尺度估计的手段,将灰度图像金字塔映射到一维特征向量,然后用该向量作为尺度相关滤波器的输入,得到最高响应值后估计出目标尺度。使用benchmark数据集对改进的算法做了测试实验,并和其他已有的若干视觉跟踪方法进行了对比实验,验证了本算法的高效性。本算法在目标尺度变化、光照变化、姿态变化、部分遮挡、旋转及快速运动等复杂情况下均有较强的适应性。