视频目标跟踪是一门融合了模式识别、图像处理、滤波理论、概率论及随机过程等多学科的复杂课题。其作为计算机视觉领域的核心技术，已经广泛应用于军事、工业和民用等各个领域。视频目标跟踪虽然经过众多学者的研究，取得了一定的成果，但总不能满足人们更高层次的要求。本文针对复杂背景下，目标被遮挡时传统跟踪方法无法实现准确跟踪的问题，在对传统跟踪方法研究的基础上，采用智能算法与粒子滤波相结合的方法来优化跟踪算法，并建立多特征融合的观测模型，克服复杂背景下目标被部分遮挡的问题。本文的主要工作包括以下两个方面：(1)针对粒子滤波自身存在的粒子退化和粒子匮乏问题，提出了一种基于混沌改进的粒子群优化粒子滤波算法。通过粒子群优化算法，驱动粒子向高似然域移动，并通过混沌扰动与搜索使粒子群优化的粒子滤波适时的跳出局部最优，找出全局最优位置，使粒子向全局最优位置靠近，从而增加有效估计粒子数目，提高粒子多样性，抑制粒子退化和匮乏问题。仿真结果表明：与常规的粒子滤波算法和传统的粒子群优化粒子滤波算法相比，本文提出的基于混沌的粒子群优化粒子滤波算法在估计精度上有显著的提高。(2)针对复杂背景下，提取目标单一特征无法较完整的刻画目标所导致的难以准确跟踪的问题和当目标物被遮挡时跟踪失败的问题，本文提出了一种多特征融合的粒子滤波算法。通过提取目标的颜色和纹理特征建立融合的观测模型，克服复杂背景下难以准确跟踪目标的问题；自适应的确定动态系统噪声方差，增大粒子活动范围，克服目标被部分遮挡时目标丢失的问题。实验结果表明，该方法具有较强的鲁棒性，能够较好的处理在复杂背景下目标物被部分遮挡的问题，实现精确的跟踪。