针对目标尺度变化、遮挡及形变等复杂情况下，传统核相关滤波器（KCF）效果不理想的问题，提出了一种基于Radon变换的自适应模型更新KCF滤波跟踪算法。利用运动信息，通过光流法和帧间差分法预测出目标可能所在的区域，显著缩小了搜索范围，提高了算法速度；利用Radon变换具有对噪声不敏感及矩平移伸缩不变性，通过矩特征匹配度峰值确定最优尺度，在减少计算量的同时提高算法精度；根据模型更新策略中学习率与响应图峰值的非线性关系，构造抛物型学习率曲线,实现对模型的自适应更新，即使在目标暂时丢失或出现虚假目标时也保证了算法的跟踪精度。实验结果表明，提出的算法具有较好的实时性和较高的成功率与精度。