运动目标跟踪是智能监控领域的重要研究内容,也是计算机视觉领域的热点问题。随着科技的发展以及人们生活质量的提高,社会对于智能监控系统的需求正在日益显现。可以预见在不久的将来,智能监控系统必将融入到生活的方方面面。同时,运动目标跟踪在民用和军用领域也都有着广泛的应用前景,如智能交通、军事制导等。然而,由于运动目标的突发性移动、复杂的目标结构、遮挡、摄像机移动等原因,运动目标跟踪目前依然是一个十分困难的研究课题。正因为如此,本文对运动目标跟踪方法展开了较为深入的研究,主要研究内容概括如下：第一：综述了运动目标跟踪的发展现状和目标外观模型构建的一般方法。概括分析了运动目标跟踪的一般流程、主要方法以及所存在的一些难题。第二：研究了从贝叶斯滤波到粒子滤波的发展历程以及粒子滤波采样的一般方法。简要概括了几个基于粒子滤波目标跟踪算法的构建过程,并借助对比实验验证了粒子滤波对于非线性非高斯运动目标跟踪的有效性。第三：研究了稀疏表示相关的基础理论以及主流稀疏表示算法。简要概括了几个基于稀疏表示目标跟踪算法的构建流程,并通过对比实验验证了稀疏表示实现目标跟踪的可行性和有效性。第四：本文结合稀疏表示和随机森林分类器思想提出一种鲁棒的多尺度目标跟踪算法。该算法首先进行多尺度粒子采样,然后由随机森林分类器拒绝部分非目标粒子,再通过稀疏表示算法确定余下粒子的重构误差,从而最终估计目标的当前状态。实验结果分析证明该算法能够有效地跟踪运动目标,并对目标姿态变化以及光照变化具有较好的鲁棒性。