视频跟踪是近年来新兴的一个研究方向,它融合了计算机视觉,模式识别,人工智能等学科的技术,在安全监控,智能交通,视频压缩与检索等方面有广阔的应用前景。视频跟踪系统以图像序列为输入,输出则是图像中目标的各种属性,如目标大小,位置,速度等。在理想情况下,这些输出信息都应该是实时的、准确的。然而,在现实世界中,由于各种干扰的存在,往往很难达到理想状态。本文所做的主要工作就是构建一个视频跟踪系统,使其能够有效抑制在现实世界中存在的种种干扰。本文首先介绍了视频目标检测的几种常用算法――帧间差分法、背景差分法、光流法和主动轮廓法。前两种方法原理简单、容易实现,应用非常广泛;后两种方法对于噪声环境和运动背景等情况更加有效,但是原理复杂,计算量较大。然后我们介绍了常用的滤波技术,重点是以贝叶斯递推估计和蒙特卡罗方法为基础的粒子滤波。在前两章的基础上,提出了一种新的视频目标跟踪算法,它以粒子滤波为框架,融合观测数据中的颜色信息与运动信息,有效地提高了算法的鲁棒性和跟踪的准确性。此外,还研究了视频中阴影处理的问题。阴影对于视频跟踪系统是一种严重的干扰,尤其是在一些测定目标尺寸的应用中,因此对阴影处理的研究是一项很有意义的工作。