单实例表达的思想是用数据集中与目标相似的实例来表达目标。这种技术不依赖于类别范畴的表达,更符合人类的视觉表达机理。而且单实例表达不需要大量的训练样本,因此比类别范畴问题简单的多。目前已经成功地应用于目标检测和场景解析等计算机视觉任务中。针对基于检测的目标跟踪较难适应在线更新的问题,利用单实例表达只需要少量数据集的优点和采用负例挖掘的有效性,将其拓展到动态视频序列的目标跟踪任务中。进一步地,针对目标跟踪中因光照变化引起目标外观改变而导致跟踪漂移的问题,本论文利用单实例表达对场景光照进行了初步研究。本论文开展了以下研究工作：(1)研究了单实例表达的基本理论,介绍了单实例表达的视觉相似性度量方法和学习过程,分析了单实例表达在计算机视觉领域的应用与发展；(2)针对基于检测的目标跟踪中需要大量实例较难适应在线更新的问题,构建了基于单实例表达的目标跟踪框架。利用单一正实例并挖掘少量与其相似的负实例集,训练单实例支持向量机模型,并保留适量与当前帧模板相似的历史帧,矫正当前帧模板,实现精确的目标跟踪；(3)针对目标跟踪中的光照对外观的影响,利用单实例表达学习每个图像表面的单实例模型,完成目标图像表面的光照估计；并利用对角模型将该图像的估计光照转化到标准光照下,从而消除场景中光照的影响,为解决因光照变化而引起的跟踪漂移奠定了基础。