目标跟踪技术已经成为航空航天、智能监控、安全管理、医疗卫生等领域发展的必要手段。随着应用越来越广泛,对目标跟踪技术性能的要求也越来越高。而跟踪过程中存在的目标遮挡、尺度变化、光照变化等问题又是影响跟踪效果的重要因素。因此,为解决因目标遮挡和尺度变化造成的跟踪鲁棒性下降的问题,论文提出了基于分块的压缩粒子滤波目标跟踪算法和基于窗口更新的分块压缩粒子滤波目标跟踪算法来解决上述两个问题。粒子滤波目标跟踪算法利用概率估计的方式在跟踪过程中可以较好地处理目标部分遮挡,但跟踪的准确性会随着粒子数目的增加而急剧增加,造成该算法在实际跟踪场景中应用的局限性。而基于压缩感知的目标跟踪算法是通过对原始图像的特征进行压缩提取,使得高维的目标特征降低到低维,因此在进行目标跟踪的过程中运算的效率将大大提升。考虑到实际应用中存在目标被遮挡的情况,上述所提及的两种算法可以达到理论上的互补,论文在上述两种算法的基础上提出了一种基于分块的压缩粒子滤波目标跟踪算法用于解决跟踪中的遮挡问题。改进算法是将压缩感知理论应用到粒子滤波框架下,同时考虑到目标遮挡情况的复杂性,提出了目标分块匹配机制,对目标进行分块后根据子块的相似度信息判断子块遮挡情况,在模板更新阶段对被遮挡的子块不进行更新,此外在目标特征提取时使用了改进的包含空间信息的颜色特征提取方法,更加精确地描述目标。通过上述的改进,一定程度上缓解了目标因为被遮挡而出现的跟踪偏移甚至跟踪丢失的问题。在实际的跟踪过程中,目标遮挡的同时往往伴随着目标尺寸的变化。因此论文在上述改进算法的基础上对跟踪过程中目标尺寸发生变化的情况进行了讨论,并提出了基于窗口更新的分块压缩粒子滤波目标跟踪算法。该算法将窗口的自动更新机制融入到目标跟踪的过程中,在跟踪过程中设定多个匹配窗口,寻找模板匹配度最高的目标窗口的中心位置作为目标跟踪的最终位置信息。由于算法改进是在分块压缩粒子滤波目标跟踪算法的基础上进行的,因此可以同时解决目标尺寸变化以及遮挡的问题。通过理论和仿真实验对论文所提两种改进算法进行了定性和定量的分析,实验结果表明基于分块的压缩粒子滤波目标跟踪算法可以较好地解决遮挡问题,而基于窗口更新的分块压缩粒子滤波目标跟踪算法在一定程度上可以减小目标在尺度变化时引起的跟踪漂移现象,同时实现了目标跟踪过程中实时性与鲁棒性的折中。