在光照、背景变化、遮挡、噪声、快速运动等复杂环境下, 准确地实现行人跟踪一直是富有挑战性的任务。针对这些问题, 提出基于HSV颜色特征和贡献度重构的行人跟踪算法。在粒子滤波的框架内, 从HSV空间提取目标的混合颜色特征生成目标模板集, 依据不同区域对跟踪结果的影响对区域进行贡献度分配, 并将其引入到一个自适应的正则化模型中, 将具有最小重构误差的区域判定为待跟踪目标。为了增强算法的稳健性, 跟踪过程中对模板进行实时更新。在OTB 100个序列上进行测试, 本文算法得到跟踪结果的平均中心误差和跟踪