多目标跟踪技术是计算机视觉研究领域中最活跃的研究课题之一。随着现代计算机和信息技术的飞速发展及图形识别算法的革命性改进，多目标的实时追踪技术的出现为这个领域打开了局面，在军事国防、交通监视、天文预测、智能监控等领域有着非常重要的实际价值。粒子滤波作为一种基于贝叶斯估计的非线性滤波算法，在处理非线性运动目标跟踪问题方面有着特殊的优势。但是当对多个目标进行跟踪，目标如果相互遮挡时，会出现跟踪目标的“失跟”现象。此外，多个目标之间的干扰也会影响跟踪的准确性。本文就目标在运动过程中的“失跟”现象进行了研究，以粒子滤波器为基础，使用了对Mpeg2视频解码过程中的运动矢量信息以及高斯混合模型(GMM)对背景象素建模来定位运动目标的位置。运动矢量的使用以及背景的建模都是为了进一步让粒子滤波器中权值比较大的粒子成为目标跟踪的主体。这样，就对不出现“遮挡”的多个目标有了比较准确的跟踪。这种情况下，在颜色分布和量化上相似的运动目标之间的“遮挡”还会出现“失跟”现象。这样，在使用上述技术的前提下，我们从运动目标的当前速度入手，在粒子训练的初期阶段结合我们的先验知识对运动目标的运动对将来运动的方向带米的影响做了符合当前运动规律的分析。确定了在不同速度条件下运动目标下一步的运动方向。这样，我们在实现了运动中的多目标跟踪的前提下，对运动员在运动中产生的“失跟”问题有了一定程度上的解决。这是我们在行为理解方面的一个大胆尝试。本文主要做了如下工作：一、使用高斯混合模型(GMM)对图像的每个像素进行建模，来计算当前图像中属于背景像素的概率，从而提取出前景运动目标。二、从播放选定视频的Mpeg2源程序中提取出运动矢量，使用面积比例法，对粒子的权重进行进一步的确定。三、在波动的粒子中，以背景建模和运动矢量信息为基础，运用运动分析的方法，检验粒子权重的可信度。通过先验知识阀值以及后期训练的方法，对目标在不同速度下发生遮挡时的运动方向进行了准确判断。四、使用Bhattacharyya距离计算参考帧中目标的相似度。实验表明，在背景建模算法和运动矢量信息的基础上对跟踪目标进行运动分析可以在一定程度上解决“交错”目标的“失跟”的问题，我们并实现了多目标的有效的跟踪。