不论是在计算机视觉领域还是在人机交互领域,视频序列中的目标追踪都是一项基础的工作。目标追踪技术可以用于许多领域。比如车辆导航、视频监控、智能机器人等。这些应用能够让人们的生活变得更加便利，也能够促进工业的发展。尽管目标追踪在理论和实验结果上已经有了很大的进步，但它仍是一个具有挑战性的课题，因为目标追踪中的遮挡问题和漂移问题始终没有得到较好的解决。此外，一系列的不稳定因素，如光照变化、目标大小的变化、视角的变化以及复杂的背景等，也加大了目标追踪的难度。本篇论文重点解决了目标追踪的遮挡问题和漂移问题。通过对于之前工作的分析，该论文提出了两个新的追踪算法。在目标追踪中，遮挡问题是一个常见而棘手的问题，而许多追踪算法往往用一些间接的方式去避免遮挡问题所造成的影响。本论文提出了一个新的基于遮挡的联合追踪模型，其能够通过利用遮挡信息较为直接地解决遮挡问题。该联合追踪算法首先设计了一个遮挡检测的机制，而后提出一个结合了判别方法和生成方法的联合追踪算法。该联合追踪算法通过遮挡预测机制得到遮挡的信息，从而进行动态的调整。最后，该联合追踪算法利用遮挡信息来改善模板更新机制，提高了模板的准确性。实验证明，该联合追踪模型较好地解决了遮挡问题，并且得到了比当前的主流追踪算法更好的结果。另外，通过对于基于稀疏表示的局部算法的分析，找到了这类算法发生漂移错误的原因，即当背景中有区域和目标上的区域比较相似的时候，基于局部的追踪算法往往会发生漂移现象。为了解决这个问题，本文在基于局部的算法上加了一个全局的限制，通过这个限制有效的防止了局部的过拟合问题。这个新的基于局部追踪以及全局限制的追踪方法比传统方法更为稳定，有效地抑制了漂移问题的发生。通过大量的实验对比，该追踪算法明显优于目前流行的多个追踪算法。