目标跟踪技术作为计算机视觉领域的一个重要分支，是目标行为分析、视频图像的压缩编码等高层次的视频处理和应用理解的基础，也是发展智能交通系统的关键技术。　　本文深入地分析了跟踪技术的研究现状和发展趋势，并针对目标跟踪方法容易受到光照变化、遮挡的影响，在序列蒙特卡洛算法的框架下，对经典粒子滤波算法作了重要的改进，并取得了比较好的跟踪效果，从而提高了系统的鲁棒性。本文的主要研究内容概括如下:　　1)针对序列图像中的目标在跟踪过程中易受到光照变化以及部分遮挡的问题进行了研究，提出一种基于模糊推理的颜色特征直方图和纹理特征自适应融合的粒子滤波跟踪算法，根据当前跟踪环境自适应调节两种特征信息的权重。实验结果表明，该算法有效地提高描述目标观测的可靠性。　　2)在对运动目标的跟踪算法研究基础上，提出了一种基于模糊推理的粒子滤波。该算法通过定义两个模糊输入量反映不同的道路模型和道路弯曲程度，利用这两个模糊输入量确定的模糊输出量来调整粒子滤波的转移矩阵。实验结果表明，改进后的算法跟踪效果较传统的粒子滤波有明显提高。　　3)在改进的粒子滤波对道路准确跟踪的基础上，采用三次样条插值对道路进行拟合。