关于运动目标跟踪领域的研究是计算机视觉领域中最热门的研究方向之一,它包括了人工智能、模式识别以及图像处理等多个领域的先进技术,并且不仅在军事领域而且在民用上都具有重要的研究意义。近些年来,在目标跟踪的研究领域中,压缩感知算法得到了大量的研究与应用,对于大量特征降维,使用二类法分类的贝叶斯分类器模型,其处理结果表明效果很好。但在复杂繁冗的背景环境,目标跟踪技术的鲁棒性和实时性仍有待提高。针对基于压缩感知的目标跟踪算法,本文的主要研究工作包括以下几个部分:(1)对于压缩感知理论中的核心部分,本文进行了深入的讨论和研究。压缩感知技术的提出和应用为目标跟踪算法中的实时性问题提供了主要的研究理论依据。在本文中,以实时压缩跟踪算法为基础的改进算法在压缩感知技术中的应用也具有很好的实时性。(2)本文所提到的算法主要是根据haar-like特征的维数自适应地确定矩阵的稀疏性和列数方法以选取最佳尺度下的窗口作为最终跟踪目标区域。通过改进后的算法在目标跟踪上具有很好的实时性。(3)本文所提到的分类算法在构建朴素贝叶斯分类器时,利用设置阈值的方法来进行学习参数的更新,并选取最大的概率值作为目标特征的位置,即跟踪目标的最终位置。结果表明,在本文中所提出的改进的算法在目标跟踪方面具有很好的跟踪效果,并且改善了目标漂移的问题。