随着日常生活中对智能技术的需求越来越多,目标跟踪技术在计算机视觉领域变得日趋重要。它有广泛的应用前景,比如视频监控、运动分析、交通导航及人机互动等方面。虽然在众多研究人员的努力之下,该领域已经取得了不错的成果,但是目标跟踪任务仍然存在很多没有得到完善解决的问题。所以设计出一个具有高鲁棒性的跟踪算法仍是一个具有挑战性和高研究价值的问题。本文对目标跟踪技术的研究背景、发展状况和未来趋势进行了总结,然后重点分析了目标跟踪中的挑战及当前优秀的跟踪算法。在此基础上,本文提出了两种基于稀疏哈希的目标跟踪方法。一是基于分块的稀疏性哈希算法的跟踪算法。不同于以往的跟踪算法,我们将目标跟踪任务视为在二进制空间的近似最近邻搜索过程。借助哈希函数,目标模板和候选样本可以被有效地投影到二进制空间,这促进了样本间距离的有效计算,从而提高跟踪效率。首先,我们结合样本的类内和类间信息来训练哈希函数使其具有更好的分类能力,而在以前的各种算法中,大多数分类器通常忽略了类内样本的关系而导致跟踪不准确。然后为了能使算法适应复杂的环境,我们建立了特征选择机制来选出目标中稳定的且判别的特征。二是基于判别式稀疏哈希算法的跟踪方法。具体来说,我们利用样本的标签信息和空间信息为每一个样本分配紧凑而有判别性的二进制码。为了处理后续加入的数据,我们训练哈希函数去描述学习到的二进制码。同时在哈希函数和哈希码联合学习的过程中引入组稀疏到哈希系数矩阵中,使哈希函数具有动态选择有代表性、判别性特征的能力。通过与若干当前最好的算法在大量挑战性视频的测试,本文提出的两种方法的表现可以与当前最先进的跟踪算法相媲美。