运动目标跟踪是计算机视觉领域中的研究热点，它涉及图像处理、人工智能以及模式识别等多种理论，是一门多学科交叉的技术，广泛应用于智能监控系统、人机交互、医学和生物、导航制导等视频分析与处理领域中。粒子滤波能够有效的解决非线性、非高斯系统的滤波问题，并且该算法具有很好的鲁棒性，所以广泛的应用于运动目标跟踪系统中。传统的粒子滤波跟踪方法中，跟踪窗口的尺寸是由初始运动目标的大小所决定的，在整个目标跟踪过程中，跟踪窗口的大小不再发生改变，当目标尺寸变化较大时会导致跟踪不准确，甚至跟踪失败。近几年，针对基于Mean-Shift跟踪算法窗口自适应调整问题的研究很多，人们提出了一些改变核函数带宽的算法。相比之下，针对粒子滤波跟踪窗口自适应改变问题的研究却很少。本文围绕粒子滤波跟踪算法及其窗口自适应调整问题开展了以下相关的研究工作。系统地研究了粒子滤波理论和基于粒子滤波的跟踪算法，总结归纳了现有的跟踪窗口调整方法及其特点，重点研究了粒子滤波跟踪算法窗口自适应调整问题，提出一种新的跟踪窗口自适应调整算法，该算法在详细地分析了粒子到目标中心的平均距离与目标尺寸关系的基础上，建立了跟踪窗口尺寸自适应调整的数学模型。在三种目标模型上对所建立的数学模型进行了仿真验证，实验结果表明，本文算法能够很好的随着目标大小的变化而自适应地调整跟踪窗口，且不增加额外的计算量，具有很好的实时性。