目标跟踪算法至今经过了半个世纪的发展，已经形成了自己的体系，对目标跟踪算法的研究也是百家争鸣百花齐放。传统的目标跟踪算法研究倾向于对目标跟踪算法按目标表示方法，目标跟踪策略等来分类，然而现今的目标跟踪算法为了处理复杂场景下的跟踪任务，经常综合多种目标表示方法或跟踪策略，以实现稳定跟踪，所以本文在研究目标跟踪理论时，从目标跟踪算法所要处理的几个问题切入，这些问题分别是特征提取，跟踪策略，相似性度量，模板更新等。在此基础上，本文做了下面的一些工作:
　　首先，研究基于稀疏表示的目标跟踪算法，在此基础上，为了准确判断目标遮挡情况，本文采用对重建残差分块统计能量的方法精确判断目标被遮挡的程度;为了提高算法在目标遮挡下跟踪的准确性，本文改进模型，根据目标的遮挡情况调整琐碎系数所允许的能量变化范围;为了求解改进模型的稀疏系数，本文引入加速近端梯度算法来求解这类不带约束的优化问题。最后对该算法的实验表明，该算法在目标缩放、遮挡情况下能够稳定跟踪。
　　然后，为了解决长时跟踪场景下的跟踪漂移问题以及目标旋转、缩放问题，本文充分利用传统模板匹配跟踪算法和局部特征跟踪算法的优点，提出基于局部和全局特征混合的目标跟踪算法，该算法的关键在于利用局部特征点集计算目标姿态变化来辅助全局特征跟踪。在长时跟踪实验中，目标发生缩放、剧烈旋转、姿态变化等情况时，该算法都能稳定跟踪。在遮挡实验中，目标连续被遮挡物遮挡，该算法能够准确判断遮挡并且在遮挡后能够重拾目标继续跟踪。
　　最后，为了解决自动监控场景下的多目标跟踪算法中的目标检测，遮挡下目标跟踪，多目标的起始和消亡等问题，本文提出了一系列算法。对于前景提取问题，本文通过利用混合高斯模型对背景建模，然后对前景进行阴影去除和联合滤波来进一步准确提取目标前景。对于多目标之间相互遮挡问题，通过计算未匹配目标和所有检出区域的重叠度来判断遮挡，并对被遮挡目标采取预测跟踪策略，保证遮挡下的准确跟踪。对于目标的起始和消亡问题，通过对目标的观测次数和未检出次数计数，来决定目标的起始和消亡。在实际的户外实验场景中，该算法能够准确地检测运动目标，并及时初始化目标开始跟踪，在遮挡情况下能够准确跟踪，在目标消失时能够及时结束跟踪。