本文主要是研究了粒子滤波算法在视频跟踪领域的应用及技术问题,通过分析比较常见的视频跟踪算法和粒子滤波算法优缺点,说明了粒子滤波算法的优势。并且针对粒子滤波算法存在的问题提出了改进,提出了一种重采样粒子滤波算法和一种基于多特征融合的粒子滤波算法。论文主要介绍了视频跟踪算法的概念和特点,并根据常见的视频检测算法的分类进行了说明。文章讲解了常见的四种视频跟踪算法：背景差分法、帧间差分法和光流法,以及重点介绍了本文的主要内容粒子滤波算法。介绍了从贝叶斯滤波、卡尔曼滤波系和粒子滤波的联系与区别,以及粒子滤波算法的相关理论方法。论文介绍粒子滤波算法在视频跟踪中的实际应用,介绍了粒子滤波算法的实现步骤,以及其一些实现环节方法的比较论述。介绍了粒子滤波算法在视频跟踪中的应用,对实现的算法步骤进行了说明,包括多特征方式的粒子滤波方法在特征的选取和融合方面的策略,对目标运动模型和权值更新方式进行说明,最后介绍了粒子的采样递推更新中的方法及存在的问题。在第四章中重点介绍了粒子滤波算法中关于粒子重采样和多特征融合方面的内容。论文对于粒子滤波算法进行了研究及改进,提出关于新型重采样和多特征融合方面的研究方法,并通过仿真实验与其他算法进行了比较,验证这两种新型算法的可行性和性能。文章主要对粒子滤波的重采样算法和多特征融合方式进行了研究。粒子滤波常见的几种重采样算法存在着一些不足之处,针对常见的问题提出了一种新的重采样算法,可以满足粒子滤波算法跟踪的稳定性和快速性的要求。多特征融合方法是实现多种特征权值的自动调整,分别依靠准确性、稳定性和抗干扰性三个特征属性来调整各个特征的权值。最后通过仿真实验,将算法同其他算法进行比较,分析仿真数据,验证了算法的可行性。