在移动机器人目标跟踪领域，粒子滤波是常用的目标运动估计算法之一。传统粒子滤波器通常使用单一的运动模型，无法适应目标在多种运动模式下的跟踪问题。本文通过提取目标运动过程中的特征对目标运动模式进行分类，根据分类结果在线选取与之对应的运动模型作为粒子滤波器的预测模型，则可以实现对目标的准确跟踪。针对目标在多种运动模式下的跟踪问题，本文提出基于单目视觉传感器的运动目标特征提取方法和运动模式在线识别方法，以及基于运动模式分类的粒子滤波算法，主要研究内容包括以下三个方面:　　1.将单目视觉传感器获取的彩色图像从RGB颜色空间转换到HSV颜色空间，利用调节阈值的方法提取出运动目标。因为HSV空间可以避免光照影响，所以在亮度发生变化时也能提取出比较完整的目标。然后利用高斯滤波、中值滤波和形态学的方法，对提取的运动目标进行平滑处理，便于确定目标的图像位置，进而完成特征提取。　　2.提取目标的Harris角点分布直方图，边缘方向直方图和Hu不变矩作为视觉特征，对连续几帧的特征进行处理，以更好地反映目标的运动特性。为了获取目标的深度信息，本文利用视觉观测模型将目标的位置由图像坐标系转换到机器人坐标系中。同时利用里程计信息，将连续几帧目标在机器人坐标系中的位置投影到同一坐标系中，然后对投影曲线进行分析并提取目标的运动特征。最后用随机森林分类器对目标运动模式进行分类。　　3.针对传统粒子滤波采用单一运动模型而无法适用目标多运动模式跟踪的问题，本文根据运动模式分类结果选取与之对应的运动模型作为粒子滤波的预测模型，使之能够满足目标在复杂运动情况下的运动估计。通过基于运动模式分类的粒子滤波算法，最终实现了对运动目标的准确跟踪。