运动目标的跟踪是当前计算机视觉中研究的热门领域。人类感知世界最直观的途径即视觉信息。连续的视频帧序列比单张静态图像包含了更多的目标信息。为了实现运动目标跟踪，首先进行目标检测，然后在连续的图像序列中进行目标位置关联，以实现目标完整轨迹的提取和运动特性分析，为进一步的事件判断，动作识别等奠定基础。本文针对目标跟踪算法研究，主要完成了以下创新性工作：1.提出了一种基于多特征自适应融合的粒子滤波跟踪算法，该算法考虑了目标外观的全局性特征和局部性特征表示，并结合基于特征模型表达能力和特征模型辨别能力的自适应融合，使得各特征之间针对不同场景，不同目标，发挥了各自的特性，实现了相互之间的补充，提高了跟踪算法鲁棒性。2.复杂场景下不断变化的目标外观往往导致初始特征模型并不能准确表示当前的跟踪目标，使得模型更新容易导致跟踪漂移问题的发生。针对该问题，本文提出了一种基于在线学习的目标跟踪算法，在一定程度上克服了这个问题。3.随着摄像机广泛应用于交通监测，海量的视频数据已经无法得到及时处理。因此，对于智能交通系统产生了迫切需求。本文构建了基于十字路口的智能交通监控系统原型，实现了车辆检测、车辆跟踪、车牌识别、交通灯识别、违章判断、抓拍截图等一系列功能，从而实现对十字路口来往车辆进行自动违章监测。