目标跟踪技术是计算机视觉领域研究的热点问题,其主要的研究目的是使机器具有跟踪图像序列中运动目标的能力,为人们进一步分析图像序列中运动的物体及其行为提供重要依据。目标跟踪的基本原理是依据物体的颜色、纹理等明显的特征估计出目标在图像中的位置。本文在研究粒子滤波理论的基础上,对跟踪算法进行了优化,提出了一种基于空间直方图及权重自适应的视频目标跟踪方法,本文的算法能够使目标的各特征融合系数随环境的变化而变化,并对目标遮挡进行了处理,提高了算法跟踪的准确性。论文的主要工作包括：(1)针对标准粒子滤波算法存在粒子退化、粒子枯竭的问题,本文提出一种基于混沌人工鱼群的粒子滤波算法。根据混沌的遍历性和随机性特点,将混沌搜索应用于人工鱼群行为,再将混沌化的鱼群行为引入粒子滤波算法,以克服粒子退化及枯竭现象,同时避免粒子易陷入局部极值的问题。为加快算法的收敛速度,本文采用自适应步长作为粒子移动的最大距离。实验结果表明,本文提出的算法在滤波性能上优于标准粒子滤波算法及人工鱼群粒子滤波算法。(2)提出一种基于空间直方图及权重自适应的视频目标跟踪方法：在粒子滤波跟踪框架下,提取目标的颜色和纹理作为特征建立观测模型,采用巴氏距离衡量目标模板与候选模板之间的距离,并且依据巴氏系数的特性,使用巴氏系数做为目标特征是否退化的依据,在正常跟踪时,采用乘性融合策略融合目标的两个特征,当出现遮挡时采用加权系数自适应的加性融合策略,以提高颜色和纹理这两种目标特征对环境的适应能力,实验结果表明该算法较单一融合策略算法有较强的鲁棒性,能较好地处理目标跟踪时的遮挡问题。