目标跟踪技术是计算机视觉领域的一项重要研究内容，它是解决很多计算机视觉问题的基础。跟踪是指在拍摄到的连续的视频图像序列中，准确地定位目标，并且获取其位置和大小等有价值的信息。近年来，目标跟踪广泛地应用于各个领域，如智能视频监控、智能人机交互、军事制导等，因此目标跟踪技术的研究具有很大的现实意义和应用价值。本文针对稀疏模型的求解的稀疏性，提出了基于改进的稀疏表示的目标跟踪算法，在粒子滤波框架下对跟踪目标进行稀疏表示，从而进行跟踪。本文的主要研究内容如下：（1）本文研究了L1/2正则化模型，并在此理论基础上采用一种迭代算法求解L1/2正则化模型，它将求解L1/2正则化模型转化成求解一系列的带权重的L1正则化模型。实验证明L1/2正则化模型与常用的L1正则化模型相比，其稀疏属性更好。（2）提出基于局部稀疏编码的目标表示，通过求解L1/2正则化模型来对目标的局部块进行稀疏表示，使得目标和背景能够更有效地进行区分，并在粒子滤波框架下提出一种有效的跟踪算法，在跟踪过程中利用不断更新的初始帧和上一帧的跟踪结果来对当前帧的目标位置进行准确地定位。针对具有遮挡、光照变化、快速移动等复杂场景下的五个视频序列进行实验，并与已有的一些跟踪算法进行对比分析，该算法具有良好的跟踪性能。（3）提出二次稀疏选择算法，该方法的思想是将候选样本进行二次稀疏选择，从而对候选样本进行有效的筛选，降低图像处理维数，并在粒子滤波框架下进行目标跟踪，实验证明此方法能够保证在跟踪准确性的基础上提高实时性。