本文提出一种鲁棒的目标跟踪算法,本文算法基于稀疏表示理论,算法包括外观模型和运动模型的构建。因为目标跟踪主要的难点在于应对目标的剧烈的外观变化,本文提出一种鲁棒的外观模型,这种外观模型利用了基于全局的模板和基于局部的描述方式。本文提出一种基于稀疏表示的判决性分类器和一种基于稀疏表示的生成模型。在判决性分类器模块中,本文提出一种鲁棒而且有效的计算置信值的方法,这种方法给前景分配的权重比较大,给背景分配的权重比较小。在基于稀疏表示的生成模型中,本文提出一种新颖的基于直方图的描述方式,这种描述方式考虑到每个图像块的位置信息,同时考虑了遮挡对于最终结果的影响。本文合理的将两种模型融合,得到一种联合的外观模型用于对目标进行跟踪。此外,本文提出的更新机制考虑到最新的观测外观模型,又考虑到原始的目标模板,因此使得目标跟踪器能够有效的应对目标的外观变化并且避免漂移问题。在运动模型方面,本文改善了原始的运动模型,目的是在保证跟踪准确度的同时提高跟踪效率。在不同的具有挑战性的视频中做的大量实验表明本文算法与其它流行算法相比具有很好的性能。