视频目标跟踪是计算机视觉领域的重要研究内容之一，也是高层次视频处理和应用理解的基础。目标跟踪融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果。跟踪技术通过在连续的视频序列中找到图像中目标的确切位置，获取完整的目标运动轨迹，因此，被广泛地应用于视频监控、机器人导航、医学图像分析、气象分析以及国民经济的各个领域。本文以此为研究内容，具有重要的理论意义和广阔的应用价值。　　 目标表示和目标匹配搜索是目标跟踪过程中重要的两个步骤。本文提出了基于特征稀疏表示的快速目标跟踪算法，首先提取目标的颜色和梯度向量统计特征对目标进行描述，并且通过稀疏表示对目标特征进行评估和选择，然后基于此在搜索区域内对目标进行快速的匹配搜索。本文的主要贡献和研究内容如下:　　 1、对目标综合特征提取的改进。改进的综合直方图基于局部颜色直方图(HC，Histogram of Color)和局部梯度方向直方图(HOG, Histogram of Oriented Gradient)，能够更好的融合目标的局部颜色、局部轮廓等特征，可以有效地对目标进行描述以适应目标跟踪的需要。　　 2、提出一种面向跟踪的目标特征稀疏表示。利用稀疏表示(Sparse Representation)的方法对目标的综合特征进行评估和选择，使得较好的特征描述能力以及前景-背景区分能力的特征得以保留，从而得到目标的鲁棒的优化表示模型，明显地提高了跟踪的准确性。　　 3、基于稀疏表示的均值漂移(Mean-shift)快速跟踪算法。继承了传统Mean-shift算法的迭代简单与实时性高的优点，融合了特征稀疏表示以增强对目标与背景的区分力，同时将模板更新算法和目标尺度变化加入到传统的均值漂移跟踪算法中来，进一步显著地提高了目标跟踪实时性，扩大了算法的应用范围。