在本文中，我们分析了深度特征的空间信息，并提出了两种互补的回归方法以实现鲁棒的视觉跟踪。首先，我们提出了一种核岭回归模型，其中核值被定义为两个样本之间所有补丁对的相似度分数的加权和。我们证明该模型可以表示为神经网络的形式，因此可以高效求解。其次，我们提出了一种具有空间正则化核的全卷积神经网络，通过该网络使得每个输出通道对应的滤波器核专注于目标的特定区域。进一步利用距离变换池化来确定卷积层每个输出通道的有效性。核岭回归模型和全卷积神经网络的输出结果被结合以获得最终响应。在两个基准数据集上的实验结果验证了所提方法的有效性。