目标跟踪是上世纪兴起的一门融合多种学科的新型技术科学。它在各大学术领域中均有应用,特别是在计算机视觉领域中,学者们一直把它视为视觉跟踪技术的基础,为后续高层分析做铺垫,这也是大部分学者致力于研究该课题的主要原因,所以能否准确的跟踪到目标至关重要。目标跟踪简单的说,就是利用相邻两帧时间和空间的一致性,在图像序列中建立起相匹配的目标链。目标跟踪发展约一个世纪,期间各种算法层出不穷,但是作者研读一系列资料发现大量的算法只能满足特定环境的要求,即不同算法只对特定数据集能达到令人满意的效果,针对目前的情形,我们提出两种算法能够弥补前人的不足。本论文提出两种算法,其中之一,适用于跟踪框架的算法,它是基于稀疏表达跟踪的一种改进,对算法的跟踪方式、模板字典的建立和计算效率等方面着手改进;另外一种是对表观模型算法的改进,—种融合目标空间分布和时序分布算法,它是从单一的时序跟踪拓展到目标时间和空间联合分布跟踪得到的。以上两种算法的共同点是在原有算法的基础上作进一步的改进更新,使得跟踪性能和适用范围更加广泛。论文针对我们提出的两种算法在不同数据集上做跟踪仿真,实验结果发现,本文所提出的算法都取得了令人满意的结果。