图像序列目标跟踪算法的实质是在一系列连续的图像中,根据事先确定的目标模板,在每帧图像中搜索以确定目标在当前帧中的位置。本文在对多种目标跟踪算法进行学习和仿真的基础上,重点对三种不同的目标跟踪算法进行了研究,以寻找新的思路解决跟踪算法中存在的不同问题,为今后进一步研究和应用奠定了基础。本论文就灰度图像的单目标跟踪问题,研究了灰度模板相关匹配跟踪算法,分析了相关匹配算法中模板大小自适应更改问题,本文提出一种基于图像的信息量度量方法来更新模板与去均值归一化相关算法相结合的目标跟踪算法,该算法在实验中取得了良好的效果。针对目标与背景灰度分布相近致使目标丢失的问题,本文提出了一种结合自适应Kalman预测滤波器的PCA跟踪算法。实验结果表明,该算法具有良好的尺寸及位置自适应能力,在噪声模糊图像或点退化图像中也有较好的目标跟踪能力。粒子滤波是通过粒子集来表示概率的,可以用在任何形式的状态空间模型中,其对噪声性质没有具体的假设,适应面广,优于卡尔曼滤波等基于递推结构的线性滤波方法。由于粒子滤波这一系列的优点,本文提出了一种基于粒子滤波的灰度目标跟踪算法,此算法基于灰度图像灰度和梯度直方图的混合特征模型,该模型兼具灰度直方图特征和梯度直方图特征的优点,提高了跟踪的鲁棒性。实验证明了本文算法的有效性和稳健性。