视觉目标跟踪是计算机视觉领域基础而重要的课题之一,在视频监控、运动识别、交通监控以及军事导航等应用中起着至关重要的作用。近十年来,世界各地的研究者在目标跟踪领域做了大量突破性研究成果,将稀疏表示理论应用到了该领域中,证明了稀疏表示理论的可行性和有效性。尽管基于稀疏表示的目标跟踪在理论上已经取得重大突破,并且已经应用于一些具有挑战性的场景,比如道路车辆检测和行人追踪等应用。但是,至今没有一种跟踪方法能够在实时情况下解决遮挡、光照变化、形态和尺寸变化以及复杂的背景等所有问题。本论文以解决遮挡问题和目标形态变化问题为重点,提出了两种方法,从理论和实验两方面阐述方法的有效性和鲁棒性。本文首先提出一种基于遮挡检测的模板更新方法解决遮挡问题。遮挡问题是目标跟踪领域棘手的难题。本文运用遮挡检测的方法,通过遮挡预测机制得到遮挡信息,再根据跟踪目标结果的遮挡率来进行模板更新。该模板更新方法充分利用跟踪结果中的遮挡信息,将模板集分成两类,再根据遮挡信息选择更新哪一类中的模板,因此提高了模板的判别性和准确性。本文接下来提出了基于局部判别性反稀疏表示的跟踪模型。本模型主要关注目标姿势和尺寸变化问题以及遮挡问题。模型中的局部性信息考虑到目标的主要位置和次要位置,能在忽略遮挡的情况下根据局部稀疏表示找到最佳候选。模型中的判别性信息能够利用前景信息和背景信息的差异性识别最佳候选目标。实验结果表明本文提出的模型能够较好解决遮挡问题和目标形态变化问题,并在精确度与效率上优于其它算法。