随着民用、军事等领域的广泛应用,空中预警、无人机的自动目标跟踪、智能视频监控和人机交互等技术的相继产生与发展,目标跟踪在计算机视觉领域受到了广泛的关注与重视。但是,在现实场景的应用中,目标跟踪技术也遇到了不少的问题。例如目标的运动轨迹突然改变、运动速度过快、光照变化、相似物体干扰、复杂背景、遮挡和噪声等因素使得跟踪过程受到不同程度地影响,甚至无法获得理想的跟踪结果。本文着重对光照问题进行了认真的研究,以解决算法在复杂光照条件下跟踪精度较差的问题。主要研究如下:1.提出一种基于实时压缩的目标跟踪算法。该算法以实时压缩感知算法为基础,利用多尺度韦伯脸方法来减少光照对跟踪算法的影响,提高目标特征的采集精准度。采用非自适应的随机投影构成外观模型,一个非常稀疏的测量矩阵用于特征的提取与对提取得到的多尺度图像特征降维,跟踪任务通过朴素贝叶斯分类器进行二进制分类实现。由于结合了多尺度空间的韦伯脸方法,提出的算法能够降低光照的影响,提高了跟踪的精准度。实验结果表明,本文提出的基于多尺度韦伯脸与实时压缩的目标跟踪算法能够有效应对复杂光照,同时取得不错的跟踪结果。2.提出一种基于LBP与核相关滤波器的目标跟踪算法。为了进一步提升核相关滤波器算法的整体性能和在实时场景中的跟踪精度。利用LBP对光照变化鲁棒的特性,先对输入图像使用LBP算子进行处理,极大程度上地减少目标运动途中光照变化所带来的一系列影响,同时采用核相关滤波器算法以获得较快的计算速率及较高的计算精度。实验验证后得出,文中提出的方法能够减少光照变化导致的运动目标丢失情况产生,与多个经典的跟踪算法相比较,在复杂光照条件下能够拥有更高的精准度与更快的运算速度。