随着人工智能领域的高速发展,图像处理技术也愈渐成熟,其中目标跟踪在智能交通、公共场所安防、医学图像处理等方面均有广泛应用。尽管当前目标跟踪算法的研究已经有了突破性进展,但是如何针对部分遮挡、光照变化及快速运动等干扰因素,设计一个兼具鲁棒性和实时性的目标跟踪模型依然是一个具有挑战性的课题。为适应目标跟踪的外观变化,该文在反稀疏表示框架的基础上,以提高目标跟踪模板的整体性能为目的,主要研究内容包括以下几点:首先,针对目标跟踪中遮挡与局部形变造成的外观变化问题,提出局部余弦相似度训练权重的反稀疏视觉跟踪算法,通过计算正负样本与模板之间的局部余弦相似度差值,将候选目标赋予有判别能力的权重,依据权重信息综合进行有选择的模板更新,此模型在部分遮挡等复杂环境下,仍然可以准确跟踪目标。其次,为提高目标跟踪模型的整体性能,借鉴参数空间的粒子滤波的核心思想,提出由粗及细的局部结构反稀疏目标跟踪算法,通过连续两次的模板选择,提高目标定位的准确性。同时采用l₂正规化最小二乘求解稀疏优化问题,在准确定位的基础上增加了算法的实时性。最后,针对在复杂场景下,单模态特征不能准确跟踪目标的问题,提出基于多模态特征结合反稀疏外观模型的视觉目标跟踪算法,将LBP特征（Local Binary Pattern）和颜色特征与灰度特征结合表示模板和候选目标,有效解决了单一特征表示目标的缺陷,提高目标跟踪的准确性。