视频目标跟踪是计算机视觉研究领域的一个重要组成部分,它融合了模式识别、图像处理以及人工智能等诸多相关领域的知识,在民用和军事等领域得到了广泛应用。例如：智能监控、城市安防、人机交互、智能交通等。因此,众多专家学者针对目标跟踪开展了大量的研究工作,提出了许多优秀的算法。视频目标跟踪是从视频中提取感兴趣的目标信息的技术。其中,粒子滤波跟踪算法因其处理非高斯,非线性等优点被广泛应用。但粒子滤波存在粒子匮乏问题,单一的特征描述目标往往会不够全面,导致在复杂背景和光照变化的情况下的跟踪效果不佳。针对以上问题,本文主要围绕粒子滤波算法改进和多特征融合进行研究,以提高跟踪方法的鲁棒性和准确性等方面的性能。本文完成的主要工作如下：1.针对传统粒子滤波存在粒子匮乏和计算量大的缺点,提出了一种基于多特征融合的退火粒子滤波跟踪方法.用退火似然性抽样来取代简单的先验概率抽样,采用方向梯度和颜色相融合的特征在不同的退火层加权来产生权重功能函数.利用信息融合的思想,将退火用于粒子滤波中,明显改善了粒子滤波的性能。仿真实验表明,用该方法对在光照情况下和复杂背景下的运动目标进行跟踪,有较强的鲁棒性和较高的跟踪精度.2.针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的多特征融合跟踪算法。颜色特征是对跟踪目标的全局描述,而方向梯度特征描述目标轮廓和形状的优点,两个特征可以互相弥补,所以本文算法同时利用颜色特征和方向梯度来描述目标,在改进的粒子滤波框架下将目标颜色和方向梯度有机结合,并进行基于模糊逻辑的自适应更新。仿真结果表明,所采用的算法在实时性不变的前提下,可以显著提高抗背景干扰能力；即使在复杂场景下,也能具有良好的跟踪精度和鲁棒性。