视频目标跟踪是计算机视觉领域的核心问题,在民用和军事上都有着广泛的应用,如智能监控、人机交互、机器人导航、以及制导武器等,近年来,随着信息技术的高速发展,目标跟踪吸引了许多研究者的关注,成为热点研究问题。尽管人们已经提出了很多有效的视频目标跟踪算法,但是在实际应用中视频目标跟踪仍然面临着许多困难,如光照变化、目标姿态的改变和非线性形变以及背景中的噪声和干扰等等,因此设计鲁棒的视频目标跟踪算法仍然是一项具有挑战性的任务。本文以粒子滤波器为框架,对视频目标跟踪中的难点问题,针对目标外观模型设计开展了深入的研究,提出多特征自适应融合的目标观测模型表示方法。设计了自适应权值调整算法,并提出基于多个特征权值可调的粒子滤波器用于目标跟踪。为了能对各特征权值进行自适应的调整,本文通过对粒子滤波器粒子分布的分析,设计了逐帧权值自适应更新算法。这种基于当前帧粒子分布的方法能够很好地权衡各特征的可靠性,从而相应地调整其权值,在很大程度上,能够适应跟踪环境的复杂性,保证跟踪的准确度,然而该方法容易受到当前帧误差的影响。考虑到权值变化在时间序列上的连续性,本文设计了一种权值跟踪策略,采用粒子滤波对特征权值进行跟踪,并与逐帧调整算法相结合,提出了双重粒子滤波多特征融合目标跟踪算法。该方法既实现了特征权值根据实际情况逐帧调整,又避免了跟踪误差造成的权值突变,保证了跟踪结果稳定可靠。本文提出的权值调整算法及跟踪方法,为跟踪的精度和鲁棒性提供了稳定可靠的基础。在具有不同跟踪条件的视频数据上的测试结果表明,这种基于自适应权值的多特征融合策略与现有的融合方法相比,取得了非常明显的改进效果。