视频跟踪是计算机视觉领域的一个热门课题,该技术在安全监控、智能交通、人机交换、军事领域等方面已经得到了广泛的应用,视频跟踪作为计算机视觉的一个底层环节,其跟踪质量的好坏也直接影响到后续环节的成败。在视频跟踪的众多算法中,粒子滤波由于能有效地处理非线性和非高斯系统而得到了广泛关注。然而,粒子滤波在视频跟踪的应用中还有很多问题没有攻克,限制了粒子滤波在视频跟踪中的实际应用。本文针对粒子滤波在视频跟踪应用中存在实时性差和准确度低的问题提出了改进,使其能够投入到社会生产中。本论文的主要研究内容和成果如下:首先,针对粒子滤波在视频跟踪应用中计算复杂度高的问题,提出了一种基于压缩图像的粒子滤波视频跟踪改进算法。在视频帧的压缩图像上进行粒子滤波的计算,可以大大的节省粒子滤波在直方图计算上的时间消耗,从而提高视频跟踪速率。其次,针对粒子滤波在视频跟踪实际应用中IO操作耗时问题,提出了使用多线程异步IO模型实现粒子滤波的视频跟踪。使用多线程异步IO模型实现粒子滤波,可以减小图像显示、目标标定以及目标保存等操作系统级别的IO操作时间,从而提高视频跟踪速率。实验表明,经过压缩图像和异步IO改进的粒子滤波,只要粒子数小于350就能做到实时跟踪,而且和跟踪目标的大小没有关系。最后,针对粒子滤波需要大量的粒子数才能做到准确跟踪的问题,提出了使用均值漂移校正的粒子滤波视频跟踪改进算法。首先使用粒子滤波做个初始定位,把目标确定在真实位置附近,然后使用均值漂移算法校正初始位置,把目标定位到真实位置上。粒子滤波只需要做个大概判断,不需要大量的粒子数,因此该算法不仅提高了视频跟踪速率,还提高了跟踪的准确度。实验表明,经过图像压缩、异步IO和均值漂移校正改进的粒子滤波只需要70个粒子,就能够做到准确的视频跟踪,而且完全可以做到实时跟踪。本文改进的粒子滤波算法可以做到实时而且准确的视频跟踪,能够投入到社会生产实践中,从而对社会发展带来价值。