视频目标跟踪是数字图像处理的关键技术之一。视频跟踪技术对下一帧图像的目标位置进行预测定位，为分析后续图像中目标的行为提供可靠数据。视频目标跟踪常用在军事、监控、导航、医学等领域。视频目标跟踪，就是对图像序列中目标进行提取、识别和跟踪，以获得目标各种运动特征，例如目标的位置、速度等，为对图像中目标行为的理解，提供可靠的依据。视频目标跟踪面对的挑战有复杂的背景、变化的光照、目标的遮挡以及目标的非线性快速运动等。提高视频跟踪的精确性、鲁棒性以及实时性就成了视频跟踪的热点研究方向。粒子滤波算法对于解决非线性系统具有极大优势。粒子滤波是利用蒙特卡洛模拟的方法实现递推贝叶斯滤波算法。其基本思想是用加权的离散采样点（粒子）来表征所需状态的后验概率分布。在粒子滤波算法出现的几十年中，重采样和重要性密度函数一直是改进的热点。在粒子滤波这两个关键方面，研究了卡尔曼滤波算法和改进粒子滤波算法，随后对重采样问题中结合马尔科夫链蒙特卡洛方法对粒子滤波改进算法进行分析研究。对改进的粒子滤波算法，在一维目标的跟踪中进行了仿真验证研究。在视频目标跟踪中，粒子滤波算法能够有效解决目前视频目标跟踪中存在的两大问题：目标状态分布非线性和噪声非高斯分布。但复杂的背景、目标的遮挡、目标的快速非线性移动等都存在着亟待解决的问题。因此解决粒子滤波算法跟踪目标的鲁棒性是粒子滤波算法的关键。本文在颜色特征的粒子滤波跟踪算法基础上，提出一种联合特征信息粒子滤波算法解决视频目标跟踪中面临的目标丢失问题。在相关视频中进行跟踪验证对比，跟踪的效果相对于基于颜色的粒子滤波算法有了很大的提高，说明改进算法具有一定的应有价值。