近几年,目标跟踪技术被应用在越来越多的领域,例如视频监控、辅助驾驶系统、军事导航系统等。随着目标跟踪技术的广泛应用,其逐渐成为计算机视觉领域中的一个热点研究课题,并引起了学者们的广泛研究。目前,学者们提出了许多目标跟踪算法,取得了一定的研究成果,但依旧存在一些难题,如非刚性目标的姿态变化、环境中的光照变化、遮挡等。由于在自然场景下,目标背景更加复杂,对跟踪效果影响更大。因此,本文针对自然场景下的目标跟踪进行了研究,主要研究内容如下：首先,介绍了目标跟踪的基本理论。本文对目标跟踪中常用的特征进行了简单介绍与分析,主要有颜色特征、纹理特征、梯度特征。同时对论文中采用的跟踪算法做了理论介绍,包括粒子滤波、卡尔曼滤波和均值漂移算法。其次,为解决目标跟踪过程中光照变化、姿态变化等问题,提出了一种基于局部敏感直方图特征的稀疏表达跟踪方法。对粒子滤波获取的多个候选目标提取局部敏感直方图特征,并根据模板字典,采用改进的L1范数模型求取每个候选目标的稀疏表示系数；然后计算每个候选目标的权重,选取权重最大的候选目标作为跟踪结果。实验结果表明,本文算法能很好实现对目标的跟踪,在解决光照变化、姿态变化等问题方面有较好的效果。最后,提出了一种结合卡尔曼滤波的自适应均值漂移交通标志牌跟踪算法与清晰度识别方法。首先采用交通标志牌检测算法获取的目标状态对跟踪算法进行初始化,然后结合卡尔曼滤波与均值漂移算法对标识牌进行跟踪；跟踪过程中,用基于二次模糊的清晰度算法对标识牌的清晰度进行判别；当清晰度达到可以对标识牌进行准确识别的程度,停止对标识牌的跟踪,进入标志牌识别过程。实验结果表明,本文算法能很好实现对标识牌的跟踪和标识牌清晰度的识别。