视觉跟踪在智能监控，人机交互，车辆导航的方面有着广泛的应用，是计算机视觉领域研究热点。稀疏表示因其符合人类视觉特性，而且能降低图像处理对视觉特征的依赖，引起了研究人员的广泛关注。基于稀疏表示的视觉跟踪算法是近几年视觉跟踪领域的一个热点。稀疏表示中冗余字典构成、稀疏表示系数分析等是稀疏表示的重要步骤。在视觉跟踪应用中，稀疏系数及其分布隐含了图像对象的重要信息，如类别信息和噪声信息等，可以用于提高跟踪算法的性能。目前这方面的研究不多。提出了利用稀疏系数中隐含的类别信息进行候选目标分类的方法。引入以图像背景信息构成的负样本，与目标模板（即正样本）组成样本集形成稀疏表示中的冗余字典，通过稀疏表示优化对粒子滤波算法中的采样粒子进行甄别，剔除与目标模板偏差大的粒子，减少参与匹配的粒子数目。实验结果表明这种方法有效减少了算法的计算量。提出了利用稀疏系数中隐含的噪声信息进行遮挡处理的方法。通过实验分析，发现当目标被遮挡时，稀疏系数分布出现杂乱现象，以此作为遮挡检测的依据。当出现遮挡时停止更新目标模板以防止引入模板误差，并根据遮挡范围大小对目标模板降维。实验表明，该方法在一定程度上减少了算法的计算复杂度，降低了引入错误模板的风险。