近年随着人工智能的快速发展,对视觉领域的要求越来越高,视觉领域在人工智能方面的发展也较为显著,目标跟踪是计算机视觉的重要方面。在经典的低秩稀疏模型下,存在重复计算问题,而速度是目标跟踪领域的难题之一,因此,本文改进传统跟踪模型,提升跟踪速度。但是,在小范围或大范围遮挡条件下,通常的目标跟踪算法会出现漂移等现象导致目标跟踪失败。基于此,本文研究并提出了基于低秩稀疏的双目视觉跟踪算法,利用目标与设备的距离信息跟踪目标,来实现遮挡后目标跟踪的可行性。本文主要包括以下几个方面:1.详细介绍目前主流目标跟踪模型、字典更新算法、低秩稀疏算法原理以及双目立体视觉获得距离信息原理;2.改进了基于低秩稀疏的单摄像机跟踪模型和基于稀疏理论的建模方法,在粒子滤波模型框架的基础上,利用图像的低秩稀疏性构造稀疏矩阵。将背景建模问题归结为L21范数下,包含正负样本字典中原子的稀疏线性组合问题。并针对目标更新问题,提出了一种字典更新策略,保证背景模型能够很好地适应环境的变化;3.在开源数据集上,设置不同实验环境,采用定性与定量相结合的方法,将单摄像机跟踪算法与经典的、主流的、基于稀疏理论的运动目标跟踪方法进行对比,验证了本文提出的L21范数所具有的优点。4.搭建双目摄像装置获取具有光线变化、前后移动、左右移动、形状变化、小面积遮挡、大面积遮挡特点的双目视频,并进行标定。获得双目视频深度图,并应用到L21范数下所构建的单摄像机目标跟踪模型中。