摘要：为解决PCA-L1 增量子空间学习跟踪方法运算量大、实时性不强的不足，分析了PCA-L1 的目标跟踪算法 的运算瓶颈，应用、改进了边界误差重采样(bounded particle resampling，BPR)算法，引进了加速近似梯度法 (accelerated proximal gradient，APG)，并测试、比较了该方法与其他经典方法的跟踪效果及运算速度。实验结果表 明：该方法加速效果明显，能提高跟踪的实时性，有较强的工程应用价值。