视频目标跟踪技术作为计算机视觉领域的核心技术，已成为当前计算机视觉领域重要的研究课题之一，在视频监控、图像编码、图像检索、医疗诊断、人机交互和成像制导等多个领域具有广阔的应用前景。目前，根据不同的应用场景研究者提出了很多视频目标跟踪算法，但是由于视频目标跟踪的复杂性，目标跟踪算法仍然存在很多问题。粒子滤波作为贝叶斯理论框架下的滤波算法，能够解决非线性非高斯系统的估计问题，因此被广泛应用于目标跟踪。本文主要对基于粒子滤波的目标跟踪算法进行探讨研究。本文的主要研究内容有：1.对传统粒子滤波算法的估计方法进行改进，研究了一种基于权值选择的改进粒子滤波算法。这种算法选择权值较大的粒子对状态进行估计，是对传统的选用最大权值的粒子进行估计和选用所有粒子进行加权平均估计的改进。研究了一种融合了距离因素的权值，弥补了仅采用颜色直方图作为目标特征的不足。实验证明，改进的算法提高了目标估计的精度。2.对自适应调整跟踪窗口大小的粒子滤波算法进行了研究，研究了一种能够自适应调整跟踪窗口大小的方法。这种方法根据大权值粒子的数目和分布，对单一颜色目标和非单一颜色目标采用不同的调整窗口大小策略。实验证明，该算法能够根据目标大小变化，自适应的调整跟踪窗口的大小。