视频序列跟踪是计算机视觉中的一个重要而备受关注的研究内容,在视频监视、智能人机交互和国防等领域有着广泛的应用前景.然而,视觉特征分辨力较弱、背景嘈杂、运动路线不确定、运动不连续、多个目标相互遮挡等问题使得设计一个鲁棒的跟踪算法变得非常困难.曾经在传统跟踪中起着重要作用的卡尔曼滤波器已经无法解决视频序列跟踪中的非线性、非高斯的滤波问题.贝叶斯理论为先验知识和似然估计的结合提供了一个很好的框架.基于贝叶斯理论的动态建模方法成为解决视频序列跟踪问题的一种有效途径,正日益受到广泛的重视.这类方法通过序贯构造目标状态的后验概率分布来求解跟踪问题,而基于抽样的蒙特卡罗计算方法则是其中关键的统计计算技术.根据具体的跟踪任务,选择合适的目标表示模型,设计合理、有效的抽样算法是基于蒙特卡罗的视频序列跟踪算法设计中必须解决的主要问题.该文对视频序列跟踪中基于视觉的目标表示模型、蒙特卡罗滤波器设计等问题进行了深入地研究和分析,然后基于单目标跟踪器设计了两个实际的多目标跟踪系统:雷达TWS跟踪技术和多目标轮廓的精确跟踪.更重要的是,提出了跳跃马尔可夫非线性模型跟踪多个相似目标中的指定目标和用概率图模型跟踪多目标等两种新方法.主要研究工作和学术贡献如下:1).提出了一种在相控阵雷达回波图像序列中基于高斯混合体模型(GMM)的检测与跟踪运动目标的方法.2).提出了一种基于自适应分割模型的雷达信号混合编码算法.3).提出了一种基于运动分割的多目标精确跟踪方法.4).提出了一种基于跳跃马尔可夫非线性模型的目标跟踪方法.5).提出了一种新的概率图模型来解决多目标视频序列跟踪中的非线性、随机动态特性和维数灾难等问题.