申请人长期从事视频目标跟踪研究，在表观建模和跟踪框架等方向进行了深入研究。1.针对传统子空间模型所存在的时空信息丢失、对噪声敏感、忽略背景信息等缺点，提出了图嵌入学习、张量子空间等模型，提高了模型的鲁棒性。2.针对多特征空间的维数灾难，缺乏统一的融合框架以及不同特征在形式、意义、量纲上的差异等难点问题，提出了联合稀疏表示、排序融合等模型，实现了多特征地有效融合。3.针对粒子滤波器的样本退化问题，提出了基于序列粒子群优化的跟踪算法框架，从理论和实践上解决了样本退化问题，得到了同行多次正面引用。