复杂场景下的目标跟踪是计算机视觉领域最热点的课题之一。经过几十年的研究,目标跟踪技术有了长足的发展,并在视频监控、智能交通、人机交互等民用和军事领域上都有广泛的应用。但在实际应用中,目标跟踪依然是很有挑战的问题,例如光照变化、目标外观变化,目标被遮挡和复杂背景干扰等众多因素。这些因素对目标跟踪算法的鲁棒性和实时性提出很高的要求。当前,基于压缩感知理论的跟踪算法通过应用随机测量矩阵去压缩图像信号来提取低维特征,极大地提高跟踪算法的实时性且越来越引起人们注意。然而当前景目标和背景在形状或者纹理相似时,跟踪结果可能并不准确。针对此,本文提出基于超像素的压缩感知跟踪(Superpixel-based compressive tracking,SCT)算法,该算法根据新来的帧和目标在超像素之间的相似性来构建置信图。超像素块能把像素聚合成有意义原子区域,SCT算法吸收其优点。置信图提供很强的证据用来度量目标出现的可能性,这能够捕捉到在超像素级别目标和背景局部外观颜色的不同,同时改进实时压缩感知跟踪(Fast compressive tracking,FCT)算法的粗粒度到细粒度搜索策略。综上,本文提出基于超像素的压缩感知跟踪算法,该算法不仅考虑到目标和背景在形状或者纹理的不同,而且充分利用超像素级别判别性强的颜色描述子构建的置信图提供指导。在具挑战性视频序列上的实验结果表明就准确性和鲁棒性而言提出的算法优于最新水平的算法。