视觉跟踪一直是计算机视觉领域的研究热点,特别是在军事侦察、医学成像、机器人和人机交互等领域广泛应用。尽管许多目标跟踪方法近年来已经被提出,对于复杂和动态场景由于存在遮挡、背景杂乱、光照变化、相机运动、视角不同、规模变化等因素,设计一个健壮的视觉跟踪算法仍然是一个挑战性问题。本文的主要研究内容有以下几点:(1)针对跟踪过程出现的复杂外观变化问题,多数跟踪算法没有充分利用局部图像块特征,本文结合了全局模板和图像块局部特征设计了一个鲁棒性的目标跟踪算法。(2)本文设计了一个基于稀疏判别分类器和一个基于稀疏的生成模型。在判别模型中,本文使用了一种有效计算置信值的方法给背景和前景分配不同的权重。在生成模型中,基于一种新的对齐池的方法可以有效获取每一个图像块的部分信息和空间信息,不仅可以更准确的定位目标,而且可以有效的处理遮挡问题。(3)针对采用l1规范化最小二乘对稀疏表示方程进行约束,在求解稀疏方程会出现计算复杂度过高的问题,本文提出一种基于l2范数联合模型的目标跟踪方法。该方法能在保证目标跟踪精度的同时缩减原算法的时间开销。(4)在若干公共实验数据集上,面对光照变化、复杂背景、遮挡等挑战性因素时,实验结果表明,本文的算法与其它优秀算法相比具有一定的可比性。