目标跟踪问题在民用和军用场合中都有很广泛的应用,尤其是视频目标跟踪问题,它在视频监控、交通监管等领域有很重要的应用。运动目标跟踪的主要过程是：在各帧图像中准确检测出运动目标,然后在后续的图像序列中进行目标定位,从而得到特定运动目标的完整运动轨迹。而粒子滤波以其在处理非高斯、非线性时变系统的参数估计和状态滤波问题方面所具有的独特优势和广阔前景,使得其已经成为目标跟踪研究中的一个热点。因此深入研究粒子滤波算法,并将其应用于视频目标跟踪问题中具有十分重要的理论研究意义和实际应用价值。本文具体的研究内容和创新之处主要体现在以下几个方面：第一,分析研究了现有的一些随机滤波算法、视频目标跟踪问题以及它们的研究现状。对线性高斯系统中的最优估计-卡尔曼滤波和非线性高斯系统中的次优估计-扩展卡尔曼滤波存在的问题进行了重点分析。深入研究了粒子滤波,包括蒙特卡罗积分、重要性采样、重采样和重要性函数的选择等问题。第二,针对粒子滤波存在的问题,研究了两种改进粒子滤波算法,包括辅助变量粒子滤波和正则粒子滤波算法。使用MATLAB对包括扩展卡尔曼滤波、粒子滤波和正则粒子滤波在内的三种滤波算法的性能进行了仿真分析。结果表明,在非线性高斯模型下,粒子滤波和正则粒子滤波算法的性能要明显好于扩展卡尔曼滤波算法,正则粒子滤波对噪声的抗干扰性优于粒子滤波。第三,针对视频目标二组物体的跟踪问题,我们选用HSV空间颜色模型,提出了基于颜色信息的粒子滤波跟踪算法。该算法在状态变量中综合考虑目标的位置、速度、大小,并且加入角度信息,实现起来比较简单,同时又具有较高的估计精度,在目标颜色特征信息比较明显时,在发生部分遮挡的情况下仍具有较好的跟踪效果,同时具有较好的抗干扰能力。