本文研究对单人头部运动的跟踪，讨论了在贝叶斯框架下一般的目标跟踪问题，介绍了粒子滤波的通用算法，对基于顺序重要性采样的粒子滤波算法进行了详细推导和总结，提出了一种基于颜色和头部轮廓的粒子滤波跟踪算法。目前已经提出的一些跟踪方法，大多数基于单一图像信息，显然，多信息的融合，能够提供更加可信赖的状态估计。本文认为人的头部可以用椭圆近似，结合头部轮廓和面部区域的互补性，可以融合两个不同的模型来表示目标，一个为基于轮廓误差的椭圆模型，另一个为基于内部区域颜色的颜色直方图模型；这样，一方面利用边缘的精确定位提高评价的准确性，另一方面利用区域的丰富信息提高鲁棒性。考虑到目标的运动在相邻的视频帧之间有一定的连续性和规律性，采用自适应速度模型来刻画目标的运动。最后利用粒子滤波实现目标的跟踪。对测试序列的实验表明本文提出的跟踪算法能较好地克服光照和姿态的变化，在背景比较复杂的情形下也能实现对目标的跟踪。