动态目标跟踪技术是计算机视觉研究领域中最重要的研究课题之一,在视觉导航、军事制导、交通监测、医疗诊断等方面都有着广泛的应用。粒子滤波技术是目标跟踪领域的核心算法,该算法采用无智能的粒子群体组成,具有群体的共性。本文研究使无智能的粒子群体具有群体智能行为的方法,将群体智能技术融入到粒子滤波算法中,提高动态目标跟踪的精度和鲁棒性。本文研究遗传算法、粒子群优化方法和混合蛙跳等群体智能算法的寻优机制,探索可行解之间协作、交互、进化的机制；以及粒子滤波动态目标跟踪机制,找到它们之间的交会融合点,为具有群体智能化的粒子滤波技术打下基础。构建混合蛙跳跟踪模型,把无智能的粒子赋予分群机制、选择机制、信息交互与协作机制、进化机制,使粒子群体表现出复杂的智能行为,使得目标跟踪过程成为一个不断地修正自身进行寻优搜索的过程。实验表明,混合蛙跳跟踪模型具有高效的全局搜索能力,性能优于粒子滤波算法、遗传跟踪算法和粒子群跟踪算法。引入速度松弛迭代策略和交叉算子对混合蛙跳跟踪模型进行改进。利用其它群体智能的优势取长补短,引入速度松弛迭代策略,解决目标在加速、转弯等状态下跟踪不及的问题；引入交叉算子,解决目标在障碍物遮挡时跟踪丢失以及退化现象等问题。实验表明,改进的模型能够得到个体的多样性,并且提高跟踪精度。