视频运动目标跟踪，这个课题作为机器视觉研究的一个主要分支，它就是对视场内的非静止的目标，如人和车辆等，进行实时的观测，并在这个基础上对把被观测对象按一定方法进行分类，然后仔细分析它们的行为。　　 为了能够在连续的图像序列中，通过运用算法来找到我们的目标，那么，该目标的特征就必定要提取出来，在后续的图像序列每一帧中，找出具有与目标特征相似度高的区域，作为目标最终的跟踪结果。常用的特征主要有颜色特征，纹理特征，角点特征，SIFT特征等等。　　 粒子滤波与均值漂移是近年来广泛应用于目标跟踪的算法，这些算法由于时性好，速度快，实现简单，约束条件少，因此，成为目标跟踪方面的热点，得以广泛应用。　　 本文提出的多特征融合的动态粒子滤波与均值漂移算法，从空间点信息和局部信息中考虑了目标特征的多样性。将多特征融合在一起，增强并丰富了对目标的描述，使得跟踪特性更加稳定。在跟踪算法的选取上，将粒子滤波与均值漂移算法融合并改进，动态地设定启动粒子滤波时的粒子数，使得在准确跟踪的情况下减少运算量，在跟踪出现障碍的情况下加大搜索力度，实现跟踪的智能性，对跟踪中出现的遮挡问题具有一定的解决能力，稳定性较好。与传统的单一或少量的特征提取和融合算法相比，本文提出的算法能适应更多的场景及情况，兼顾了准确定和实时性。