近年来，目标跟踪技术的理论在国内外得到了广泛而深入的研究和发展，并且已成功的应用在诸多领域。在目前阶段，目标跟踪算法在遇到目标姿态变化、光照变化、快速运动、遮挡等情况时，往往存在着鲁棒性差与准确性不高的问题。因此，提高算法的跟踪准确性和鲁棒性仍然面临着许多困难和挑战。
　　本文结合HOG特征与稀疏表示理论，提出了一种基于HOG特征与稀疏表示的目标跟踪方法。该方法在粒子滤波框架下，通过方向梯度直方图特征（HOG特征）描述目标，以此将目标特征的边缘信息与表象信息结合起来，然后利用稀疏表示构建目标的外观模型，最后采用动态更新机制对模板与分类器进行实时更新。本文算法分为预测与跟踪两个阶段，首先利用融合HOG特征的粒子滤波方法预测目标下一帧可能的位置，然后通过朴素贝叶斯分类器对每一个预测的位置计算其置信值，由置信值的大小确定目标当前帧的最佳预测位置，从而实现对目标的准确跟踪。本文算法的计算复杂度略有增加，但在一定程度上提高了鲁棒性及准确性。
　　为了验证算法的跟踪性能，本文设置了5组实验，并分别与IVT、L1、PCA、MIL四个经典算法进行了对比分析。第一组实验，主要测试部分遮挡与姿态变化的干扰情况；第二组实验，主要测试光照变化的干扰情况；第三组实验，主要测试运动突变与背景复杂的干扰情况；第四组实验，用于测试跟踪算法对相似物的遮挡所表现的性能；第五组实验，用于测试快速运动与目标模糊的干扰情况。实验结果表明，本文算法在受到部分遮挡、姿态变化、光照变化、相似物遮挡、快速运动与目标模糊等干扰情况下，其性能表现优于IVT、L1、PCA、MIL四个对比算法，但在运动突变情况下的表现不如MIL跟踪器。