目标跟踪技术随着科技的发展由军事领域向民用科技方向开放,目前其不仅是计算机视觉领域的研究热点而且具有广阔的前景和巨大的经济价值。其主要在移动平台和机器人信息采集领域得到推广,由于平台应用的场景不同,伴随着环境的复杂变化,导致整个跟踪系统的稳定性能受到影响。针对粒子滤波在对数据处理存在粒子退化的问题,提出一种基于稀疏子空间的粒子滤波算法。首先,在改进的粒子滤波中提出将样本分为正、负和过渡样本。然后,仿照人眼视觉神经系统,将稀疏子空间引入粒子滤波中,建立一个稀疏最优化模型并有针对性对目标实行分类,获得聚类中心位置实现目标跟踪。实验结果表明:该算法具有更好的抗鲁棒性;与粒子滤波对比可以更加有效的解决粒子退化问题。针对粒子滤波过程数据冗余与处理速度慢的问题,提出一种基于稀疏子空间的卷积神经网络跟踪算法,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理;通过卷积神经网络模型对跟踪数据进行更新减少目标表观变化的影响。通过实验表明,该算法能较好的处理目标跟踪中数据冗余问题并具有较快的数据处理速度。系统中提出稀疏子空间模型,主要针对传统目标跟踪算法计算量大和不准确问题,做出新的改进,极大的提高了目标提取的准确性,为目标跟踪研究提供新思路。