随着社会的进步和发展,科技化步入了日常生活之中,特别是数字化的视觉技术在日常生活中越来越发挥重要作用,其中图像及目标的运动在视觉技术中有着举足轻重的地位。图像分析中的运动目标跟踪是近年来的研究热点之一,因其在人机交互、交通监视、社区安全等商业民用包括军事领域都有着较为广泛的应用前景和发展趋势。基于检测反馈的目标跟踪算法也就是判别式跟踪是目前跟踪算法中的主流方向,传统的生成式模型没有考虑背景因素的影响容易受环境因素制约,而判别式方法在目标和背景区域提取各自具有区分性的特征,训练在线分类器将跟踪问题视作一个二分类问题,为研究目标跟踪提供了新的方向。本文从两个方面入手目标跟踪的研究,第一部分利用目前较为流行的子空间学习的目标跟踪方法,由于图像目标本身维数较大且包含部分无用信息,如何提出具有区分性的特征信息是判别式目标跟踪的关键性因素,而子空间跟踪利用目标的前景信息和背景信息构建过完备字典并利用其获得前景和背景的稀疏表达作为最终的跟踪特征,取得了鲁棒性的效果。第二部分研究了基于检测反馈的实际应用,拓展目标跟踪的对象,该部分主要研究了手部的跟踪,由于手是非刚性的,表观变化较大。因此如何在复杂环境下实时的跟踪手部运动是研究的重点和主要方向。本文完成的研究内容和创新点如下：1.提出基于分块和稀疏表达的目标跟踪算法,根据目标在跟踪过程中容易出现的遮挡问题。该算法从两个方面构建整体模型,第一部分利用目标的全局信息构建判别式跟踪,该部分采用了整体前景和离目标区域较远的部分区域作为背景构建整体字典,并利用前景和背景在此字典上获得的稀疏表达系数作为训练数据,训练线性支持向量机(SVM)分类器。在新的一帧中基于粒子滤波框架下构建各个粒子的分类器得分,得分最高的候选粒子为最相似的目标跟踪区域。第二部分将目标区域和背景区域分块,获得局部信息,并利用各块计算重构误差,并根据重构误差获得各块对整体模型的贡献分配不同的权重。最后设计整体模型的相似度度量和更新策略,通过在公开的跟踪测试集上与主流的跟踪方法相比较,本文提出的方法具有较好的准确性和鲁棒性。2.实现了复杂环境下对手部跟踪,通过手的特殊性利用肤色信息和显著度信息连接高层信息和底层信息获取大致的手部区域为后续的目标跟踪减小搜索区域,在此基础上利用霍夫跟踪和光流跟踪,在线检测手部区域和跟踪手部并通过反向投影、光流矫正和图割获得手部区域,实现手部的跟踪。