视频目标跟踪技术在军事制导武器、道路交通监控、安防等众多领域有着广泛应用。本文主要围绕目标跟踪中存在的目标被遮挡问题,背景与目标颜色相近时跟踪不稳定问题开展研究。粒子滤波是近些年发展起来的一种较好的滤波算法,被广泛地应用于目标跟踪中。本文重点研究粒子滤波算法,在目标特征提取、目标模板及模板更新算法方面进行改进。在目标特征提取方面,采用了双特征描述目标的方式,即对目标同时提取颜色直方图特征和CBLID特征。CBLID是一种新的目标特征描述算法,它是融合了经典的SIFT算法和DAISY算法,加速了SIFT特征点的提取过程。在目标跟踪方面,采用双目标模板进行目标跟踪,即CBLID特征模板和颜色直方图特征模板。目标模板的更新依赖于CBLID特征点匹配的数目,当匹配数目大于阈值时则同时更新两个目标模板,否则仅更新CBLID特征模板,不更新颜色直方图特征模板。在粒子权值计算中,对两种特征赋不同的权重系数,并使其权重系数根据实际场景自适应调整,从而增强了目标跟踪在某些场景下的鲁棒性。对论文提出的算法进行了充分的跟踪实验,实验显示我们所提出的算法具有较好的鲁棒性和较高的跟踪精度,且在实时性上要优于基于SIFT的粒子滤波算法。