随着各个机场的日渐繁忙，航空公司的机队规模越来越大，飞机在机场停机坪、滑行道、入库时存在的安全隐患也随之提高。　　 本文研究一种基于视频的飞机翼尖跟踪方法，用于飞机在进出停机坪、出入机库等场所时确保翼尖附近没有外来入侵物体。　　 视频目标跟踪是计算机视觉领域中的一个重要研究方向，是一项融合图像处理、模式识别、概率论及随机过程、泛函及优化和偏微分方差等多学科的复杂课题。粒子滤波算法具有在非线性、非高斯系统中仍能保持良好稳定性能的特点，被广泛应用于视频目标跟踪领域，本文研究的翼尖跟踪方法都是基于了粒子滤波算法。　　 本文主要研究了以下两种翼尖跟踪方法：　　 提出了基于形状上下文的翼尖跟踪方法。针对翼尖的运动特点，对传统形状上下文特征进行了简化和改进，其中只统计以翼尖轮廓重心为坐标原点的直方图，降低了计算复杂度，其次在统计直方图各区域时，在半径和角度方向上向邻域扩展，如此使得对翼尖的小幅旋转具有不变性。同时改进了粒子滤波算法，针对机翼的不同运动速度能够自适应调节状态转移方程的参数，使得有效粒子个数增加，避免出现粒子衰竭。实验表明，该算法具有较好的实时性和鲁棒性。　　 提出了以轮廓模型为特征的粒子滤波跟踪方法，根据物体轮廓在不同光照下具有较好鲁棒性的特点，同时翼尖是刚性物体，因此轮廓是其很好的不变特征。针对不同的翼尖类型建立参数化的翼尖轮廓模型集，融合颜色特征提高鲁棒性。同时提出了一种模型部分匹配的相似度量方法。由于使用的是参数化的翼尖模型，该方法占用存储空间小同时运算速度快。