针对红外图像背景复杂、杂波干扰严重、相似目标混淆导致的目标跟踪丢失问题, 本文提出了一种改进的低维度纹理特征OCS-LBP（Oriented Center Symmetric Local Binary Patterns, 即方向中心对称的局部二值模式）。首先, 利用此特征可以高效地获取目标图像中每个像素块的梯度方向和幅值信息, 提高了跟踪过程的鲁棒性; 其次, 利用核相关滤波算法结合提取的OCS-LBP特征对目标图像区域进行模型训练; 最后, 根据训练好的模型检测下一帧图像中目标的具体位置。本文在10组红外视频序列上进行了测试, 实验结果表明, 本文算法的精确度和成功率相比于第二名算法分别获得了2.9%和9.9%的提升, 同时在实验设备上算法的平均跟踪速度相比于第二名算法提升了14.15 frame/s。从实验结果可以看出本文提出的算法在红外目标跟踪上表现出较好的鲁棒性、准确性和实时性, 具有一定的研究和实用价值。