目标跟踪技术是智能视频处理领域的研究热点,受到了研究人员的普遍关注,在工业生产、军事国防以及安防监控等领域应用广泛。经过广大研究人员的积极研究和探索,目标跟踪技术在理论研究和实际应用方面都取得了显著的成果。但是由于跟踪场景存在多样性和复杂性,因此目标跟踪技术存在诸多难点。针对目标跟踪过程中存在的诸多技术问题,本文提出了一种基于随机投影和稀疏表示的目标跟踪方法。本文的外观模型是基于稀疏表示的全局判决分离器,通过构造正负模板描述目标的状态,然后采用随机投影方法对模板图像进行降维;运动模型则采用改进的粒子滤波方法,并且在算法中加入了具有遮挡判决功能的模板更新机制。论文主要工作如下:1、本文采用基于稀疏表示的全局模板描述目标的表观状态,在初始帧分别构造表示目标的正模板和表示背景的负模板,然后将正负模板组成字典对候选目标进行稀疏表示,以区分目标和背景。2、为了降低算法的时间复杂度,本文采用随机投影法分别对正负模板和候选目标进行降维,以减少1L优化问题的计算量,提高跟踪的效率。3、本文采用粒子滤波法预测目标的运动状态,提出局部加权计算方法计算后验概率,并且采用多项式重采样方法进行粒子重采样,以保持粒子的多样性。4、本文设计正负模板更新策略,将正模板分为固定集和更新集,对这两部分在相似度计算和正模板更新时采取不同处理方法,并且加入目标遮挡的判决机制,从而有效地避免了遮挡的影响,提高了算法的鲁棒性。实验结果表明,当目标出现遮挡、快速运动、光照变化和姿态变化等情况时,本文算法准确地能够跟踪目标。与目前常用的跟踪方法相比,本文算法具有更高的准确性和稳定性。