对目标进行视觉跟踪在计算机视觉领域应用非常广范，同时也是一个非常基础的研究课题。近年来不断的有新的目标跟踪算法被提取出，在算法复杂度，跟踪结果的准确度上都有很明显的进步，但是依然有很多实际应用场景不能满足跟踪技术在诸多工业领域中的需求，因此仍需要对这项技术进步不断深度的改进和研究。
　　跟踪技术本质是获取目标先验信息，并在采样获取视频下一帧观测信息后，根据所建立模型并搜索目标位置的贝耶斯估计过程。本文是在压缩感知提取物体特征的基础上，使用现有的一些特征提取理论，对现有的一些算法作出改进，以提高跟踪精度，适用于特定场景。
　　本文工作和创新成果总结如下:
　　首先介绍了视频跟踪中特征提取的常用方法和跟踪中常用的跟踪算法和理论，包括压缩感知提取特征理论和机器学习，特征提取在跟踪中的应用。
　　其次针对现有相关核滤波器在跟踪应用中对目标尺度变化的适用性不足的问题，提出了点跟踪补偿的相关核滤波器。使用点跟踪补偿的结果对相关核滤波器进行位移和尺度的补偿，并使用压缩提取的模型，对目标建模，防止点跟踪带来的模板突变对相关核滤波器带来大的误差。
　　最后针对现有的压缩感知跟踪在某些场景中跟踪精度低，容易跟踪失败的问题，使用了多特征加权的跟踪算法。通过使用目标颜色空间的信息和点跟踪特征点补偿，增加跟踪的稳定性。并通过实验验证了本文方法在实际应用中的有效性。