目标跟踪技术作为机器视觉领域中的基础，有着广泛的应用，但其仍然存在许多问题。为了解决目标在光照变化和快速移动场景下跟踪漂移的问题,提出了基于SURF的压缩跟踪算法。首先选择跟踪目标并提取SURF特征，其次采用压缩感知理论对SURF高维特征降维，来减少特征描述的维数和计算时间，最后筛选压缩后的样本特征并训练分类器，来实现对多种复杂场景下目标实时准确跟踪。通过实验与传统的SURF算法和Compressive Tracking(CT)算法的对比，证明该算法不仅大大减少了目标在跟踪的过程中的计算量，其跟