基于视频的运动目标跟踪是计算机视觉领域的一个研究热点,它融合了图像处理、模式识别、人工智能、自动控制以及计算机应用技术等相关领域的先进技术和研究成果,在公共安全、军事制导、交通监控等方面得到了越来越广泛的应用。运动目标跟踪算法的性能对跟踪效果有着直接影响,精确度高、鲁棒性强的跟踪算法一直是计算机视觉领域研究的关键问题之一。本文首先介绍了目前常用的基于视频的运动目标跟踪算法,阐述这些算法的基本原理以及优缺点,然后着重研究在运动目标跟踪领域比较流行的Mean Shift算法和粒子滤波算法。采用目标颜色特征对粒子权值进行更新,当背景与目标的颜色分布相似或者目标被遮挡时,易发生误跟踪。针对上述问题,本文提出一种基于多特征融合的粒子滤波跟踪算法,将颜色特征和局部二值模式(LBP)纹理特征相结合来对动态目标进行描述,提高了粒子滤波跟踪算法的鲁棒性。本文提出一种基于Mean Shift和自适应多特征融合粒子滤波算法的目标跟踪算法。首先提出基于多特征融合的粒子滤波算法,采用颜色特征和纹理特征相结合的方式,便于更加有效地粗定位动态目标的位置,然后利用Mean Shift的聚类作用,提高粒子采样效率,克服了粒子退化现象,在算法实现过程中加入自适应特征融合,解决目标遮挡问题。在保证跟踪效果的前提下降低了粒子滤波的计算量,从而达到了对运动目标进行实时跟踪的目的。最后借助基于对象的视频摘要系统对基于Mean Shift算法和自适应多特征融合粒子滤波算法的目标跟踪算法进行了系统的设计与实现,提高了视频摘要系统的目标跟踪能力。