随着社会安防和交通管理的压力日益增大,越来越多的监控摄像机被架设在道路、车站、小区等公共场所。当前绝大部分视频监控系统仍使用人工目视进行监控,由于监控摄像机的数目远远大于管理人员的数目,造成了大量视频被忽略,信息无法被有效利用。使用计算机视觉技术代替人工对监控视频进行处理,实现机器自动检测,识别异常情况,使监控系统智能化,是未来发展的趋势所在。在实现此类智能系统的过程中,视频中物体的检测和跟踪是关键技术。本文设计了一种基于分块颜色直方图特征的粒子滤波跟踪技术。此外,尝试了将HOG检测技术用于跟踪上,融合到粒子滤波的跟踪框架中。本文中介绍了现有比较成熟的几种跟踪方法以及各自的适用范围。其中有基于各类背景建模的跟踪方法,光流法,特征点聚类法,Mean-shift方法等。本文对传统颜色直方图进行了改进,提出了一种分块颜色直方图作为粒子滤波跟踪的物体特征,并结合这种分块颜色直方图的特性,对粒子滤波中的权重计算、参考模板更新部分做了相应改进。分块颜色直方图在保留传统颜色直方图对物体微小形变鲁棒性的同时,对颜色相似的物体有更好地分辨能力。最后,还介绍了HOG梯度方向直方图特征配合SVM支持向量机进行行人检测的技术,并将该技术整合入粒子滤波跟踪中,使得系统能够对自身跟踪结果的正确性做出判断,在错误时进行局部Mean Shift搜索纠正,进一步提升了在行人目标跟踪上的准确度。系统使用C++语言编写实现,在INRIA库上训练了行人的HOG模型,并程序中使用了该模型,SVM训练部分使用了LIBSVM库。对不同场景的视频进行了实验和比较,证明该方法优于普通颜色直方图加粒子滤波跟踪方法。