面对海量的监控视频资源,实现智能分析和发现有效信息面临巨大挑战,视频目标跟踪作为视频智能分析的重要内容受到越来越广泛的关注。当目标在运动过程中遭遇遮挡、光照和姿态变化时,传统方法提取的特征无法保证不变性,导致跟踪算法失效。针对上述问题,论文研究基于稀疏表达的跟踪算法。在系统研究和总结稀疏表达的基础上,综合稀疏表达和粒子滤波构建了论文目标跟踪框架,基于稀疏表达对光照和噪声具有较好的鲁棒性,提出了一种基于稀疏表达的结构化目标外观模型,通过对目标分块、分组加权和对应特征抽取构造目标模型。针对遮挡对模板更新的影响,通过增量学习得到目标子空间,在此基础上实现了一种基于子空间表达重建的在线模板更新方法。针对稀疏表达优化求解需要消耗大量时间的问题,提出了两种加速方法,基于观测似然上限和时空一致性去除了不重要粒子,加快了处理速度。在多个标准测试集上,通过实验验证了算法的有效性,在目标跟踪平均中心误差和成功率上达到了经典算法的水平,执行速度加速比达到3倍以上。