目标跟踪技术是计算机视觉领域的一个非常重要的研究方向，它以跟踪目标物体在视频中所呈现出的外观和运动状态的变化为主要目的。目标跟踪技术受到很多研究者们的关注，而且已经被广泛的应用到生活的各个方面，如视频监控、智能交通、医疗诊断以及机器人制导等领域。近些年来，在计算机视觉领域另外一个应用非常广泛的就是稀疏表示，该技术的应用取得了很多非常优秀的成果，也正因为如此，展现出了巨大的发展潜能。由此，我们提出了基于稀疏表示的目标跟踪方法，主要工作如下：提出了加权重的压缩跟踪。由于实时压缩跟踪算法忽略了样本重要性，导致在一些情景下追踪效果不稳定、易丢失目标。针对这一缺点，本文提出一种加权重的思想，即在有效地在线学习进程中融合了样本的重要性，使得特征具有明显的区别性，从而使得目标追踪效果更加稳定。提出了基于局部稀疏的目标跟踪方法。通过对目标区域局部图像块进行稀疏编码来表示目标观测模型，这种基于局部特征的跟踪器能够很好的应对目标的外观变化，此外，本文中也考虑了遮挡因素的影响，对有遮挡的图像块做了特殊处理。最后，采用逻辑回归分类器进行分类，能很好的区分出背景和目标物体，提高了目标跟踪的准确度。对各种视频图像的测试实验表明，本文方法与其它主流跟踪方法相比具有更好的性能。