人脸识别和目标跟踪是计算机视觉中的热点问题，具有重要的理论研究价值和广泛的应用前景。尽管该课题的研究已取得了长足的进步与发展，提出了若干先进的算法及应用系统，但仍然面临着一些具有挑战性的问题，影响其算法的鲁棒性及应用，如光照变化问题、识别中的遮挡问题等。本文分别从人脸识别中的光照补偿问题、目标跟踪中的光照变化及遮挡问题出发，对基于Retinex理论的人脸图像光照补偿算法、基于稀疏表达、粒子滤波器及朴素贝叶斯理论的目标跟踪算法进行了深入研究。针对现有算法存在的一些问题，本文主要完成以下研究工作:　　1)针对目标跟踪过程当中的光照变化及部分遮挡问题，提出了一种在粒子滤波框架内，基于LBP纹理特征，通过稀疏表达进行目标跟踪的方法。算法中采用基本的LBP算法，利用其对光照不敏感的优点来减弱跟踪中光照的影响。稀疏表达算法的性能取决于字典的构造，本算法中的完备字典巾两部分组成:n个模板图像的LBP特征列向量和为了克服噪声和部分遮挡引入的微小模板，并在跟踪过程中自适应地更新字典，来减少累积误差。算法中采用通用的重采样方法，采样后的粒子独立分布，新粒子重新分配权值，有效地避免了粒子滤波算法中的粒子退化现象。　　2)针对跟踪中的部分遮挡问题，提出了一种结构化的加权联合特征表观模型。该模型将目标图像划分为若干个图像子块。这些图像子块保持固定的空间结构信息。发生遮挡时，根据每个图像子块对跟踪结果的作用不同，为每个图像子块设置空间位置权值;在每个图像子块内分别计算局部的颜色特征和纹理特征，并分别设置颜色特征权值和纹理特征权值;将这些加权后的局部特征向量化，作为目标的表观模型。以该模型为基础，利用贝叶斯理论进行跟踪。在仿射变换空间内，利用随机函数获取不同尺度的候选目标图像，较好地解决了目标跟踪过程中的目标尺度变化问题。　　3)提出了基于双边滤波器的Retinex光照补偿算法和基于轮廓波变换的Retinex光照补偿算法。Retinex方法光照补偿的基本假设是光照缓慢变化，但人脸上的阴影违反了这一假设，在不连续的阴影边缘存在晕轮效应。经双边滤波器和轮廓波变换滤波后，得到的光照估计图像能很好地保留了原图像中阴影边缘信息，在Retinxe理论框架下得到的反射图像，有效地弱化了投影阴影的影响。　　4)提出了一种结合光照补偿的目标跟踪方法。先用基于Retinex的光照补偿方法对图像进行预处理，然后将结构化的表观模型与模板匹配相结合进行目标跟踪。采用稠密采样的方法在前一帧跟踪结果周围获取不同尺度、不同位置的所有候选目标图像，用扩展的最小中位数平方估计法进行模板匹配，获得当前帧的跟踪结果，并采用逐步更新模板的方法来适应表观模型的的变化，减少跟踪中的漂移现象。