본 연구에서는 필터 계수와 공간 정규화 가중치를 동시에 최적화할 수 있는 새로운 적응형 공간 정규화 상관 필터(ASRCF) 모델을 제안한다. 첫째, 본 적응형 공간 정규화 기법은 특정 객체 및 그 외형 변화에 대해 효과적인 공간 가중치를 학습할 수 있어 추적 과정에서 보다 신뢰할 수 있는 필터 계수를 도출할 수 있다. 둘째, 제안하는 ASRCF 모델은 다중 승수의 교대 방향 최적화(ADMM) 기반으로 효과적으로 최적화될 수 있으며, 각 하위 문제는 닫힌 형태의 해를 갖는다. 셋째, 본 추적기는 위치 추정과 척도 추정에 각각 두 가지 유형의 상관 필터(CF) 모델을 적용한다. 위치 추정을 위한 CF 모델은 얕은 층과 깊은 층의 특징을 통합하여 최적의 위치를 정확하게 결정한다. 척도 추정을 위한 CF 모델은 다중 척도의 얕은 층 특징을 활용하여 최적의 척도를 효율적으로 추정한다. 최근 5개의 주요 벤치마크에 대한 광범위한 실험 결과를 통해 제안하는 추적기가 많은 최신 기술들과 비교하여 뛰어난 성능을 보이며, 실시간 성능(28fps)을 달성함을 확인하였다.