计算机视觉的主要研究内容是使用计算机代替人脑来感知、解释和理解各种环境内容，目标跟踪引起了众多研究者的关注，成为计算机视觉的一个重要研究方向。仿生识别理论从人类“认识”的角度出发，为研究目标跟踪问题提供了新的研究思路。通过对现有的目标跟踪算法和仿生模式识别中多权值神经元覆盖方式的研究学习，本文主要讨论了仿生模式识别在目标跟踪领域的实际应用，并提出了赶紧算法。仿生模式识别以覆盖的方式对目标类别的同源连续性进行了认知性学习，本文将仿生模式识别目标跟踪算法应用到抗遮挡跟踪和同一目标在不同场景的跟踪中，通过仿真实验证明了该算法具有较好的适应性和精确性。针对离线学习的仿生模式识别跟踪算法在覆盖范围之外泛化能力有限的问题，通过研究在线学习基本思想，提出了在线学习的仿生模式识别目标跟踪算法。该算法采用了预测的方式构造训练样本集，避免了离线训练方式中需要挑选大量的训练样本，采用超香肠神经网络进行网络覆盖，通过最小距离分类器判定目标的位置。当目标形态发生变化时，对网络进行更新覆盖，达到在线学习的目的。最后将本算法应用于多组反映不同实际问题的图像序列证明了本算法是鲁棒的。