室外车辆跟踪技术作为智能交通中的核心内容和关键技术,是车辆的行为分析和识别的前提。在变通视频监控中,可以利用检测和跟踪得到信息、对交通运输进行整体规划。随着交通量持续增长,交通拥挤和阻塞现象日益严重,交通污染与交通事故越来越引起社会的普遍关注。利用智能交通系统(ITs)来提高道路的利用率、道路交通的安全程度和道路使用的舒适性已成为未来交通运输的发展方向。　　虽然对室外车辆的跟踪已经取得了许多有效的算法,但在视频目标跟踪的实际应用中仍存在着如光照的变化、跟踪目标位姿的改变、背景中的干扰以及噪声等等许多的困难,因此如何实现对室外车辆的鲁棒跟踪目前仍是一项极具挑战性的任务。　　本文针对室外车辆跟踪技术中的难点问题,在粒子滤波的框架下提出了一种自适应多特征融合的目标跟踪算法。本文首先在目标跟踪中引入了特征的不确定性度量,它可以依据每种特征粒子分布和似然函数来衡量各特征的可靠性。在粒子总数目一定的前提下,融合时应针对各特征的可靠性,确定出从该特征中选出的较优粒子的个数。为了能对各特征权值进行自适应的调整,本文通过对粒子滤波器粒子分布的分析,设计了逐帧权值自适应更新算法。这种基于当前帧粒子分布的方法能够很好地权衡各特征的可靠性,从而相应地调整其权值。实验表明,本文算法在具有不同跟踪条件下与现有的融合方法相比,取得了明显的改进效果。