视频目标跟踪作为在计算机视觉领域一个最新兴起的应用方向和广泛关注的前沿课题。它涉及到信号与图像处理、通信、计算机视觉等多个学科的研究领域。视频目标跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪,以获得运动目标的运动参数,从而进行进一步处理与分析,实现对运动目标的行为理解,完成更高级别的任务。其核心环节在于寻找到静态目标与被跟踪运动目标之间的对应关系。针对视频目标跟踪过程中的目标被遮挡、目标姿态发生变化等情况时,运动目标跟踪容易丢失或跟踪窗口不准确的问题,本文提出了一种基于分块思想的多特征目标跟踪算法。本算法充分发挥了粒子群优化算法的计算速度快、自身参数少的优点,采用了颜色直方图与方向梯度直方图来表征目标,并有效的结合了巴氏距离和卡方距离来衡量目标的相似度；通过粒子群优化算法实现对目标的初步定位,然后通过卡尔曼滤波和自适应尺度调整相结合来实现精确定位。通过利用目标分块思想,非常有效的处理了遮挡问题。本文对多个标准视频和自拍视频都进行了跟踪实验,并与其它文献中的跟踪算法进行了对比,结果表明该算法对运动目标及处理遮挡问题上具有很好的鲁棒性。此外,本文对粒子群优化算法进行了系统的总结梳理,通过阅读大量的文献,对其产生背景、研究现状及发展趋势进行细致的研究,比较了各种改进算法的优缺点,并针对文中提出目标跟踪算法的实际需要,选择了一种带惯性权重的粒子群优化算法作为的本文提出算法的核心部分,在试验中取得了较好的效果。