作为计算机视觉的核心内容,视觉跟踪在智能视频监控,机器人视觉,人机交互,人工智能等领域有重大应用价值,成为研究的热点。NVIDIA公司推出的CUDA平台可以启动大量的线程并行工作,提高算法运行速度,同样被广泛应用于图像处理,视频播放,信号处理,人工智能等领域。相比其他视觉跟踪算法,粒子滤波算法对复杂场景具备更好的鲁棒性,但很难满足实时性要求。因此,基于CUDA平台实现粒子滤波并行算法以提高算法执行效率,同时研究运动目标表观模型以提高跟踪的准确性,是十分必要的。在分析粒子滤波理论的基础上,实现了基于颜色模型的粒子滤波算法,分析了不同的预测策略和颜色空间对算法准确性的影响。实验证明基于颜色信息的粒子滤波算法跟踪准确,但计算复杂度高,且具有一定局限性。针对粒子滤波算法计算复杂度高的问题,充分利用CUDA并行运算性能,分析了粒子滤波算法的并行性,实现了基于CUDA的粒子滤波并行算法,有效加快算法运行速度,实验证明该算法可以有效加速2.5倍。针对基于颜色信息粒子滤波跟踪算法局限性,引入一种特征描述符—协方差矩阵,设计并实现了基于协方差矩阵的粒子滤波并行算法,实验表明该算法比基于颜色信息的粒子滤波算法更具有鲁棒性。