目标跟踪是计算机视觉领域中十分重要的研究热点之一，也是行为理解，图像分析和理解等其他研究热点问题的基础。随着计算机技术和数字电路发展，目标跟踪的应用范围愈来愈广泛了，目标跟踪技术正在影响我们的日常生活。而目标跟踪实际应用中问题来自于目标自身形变，背景光照，杂波以及背景噪声干扰等，在较为复杂的环境中，研究人员有的放矢提高目标跟踪实效性，鲁棒性，准确性等。一般需要综合考虑各个因素的影响，设计出合理目标跟踪算法，所以本文介绍目标跟踪方法研究意义以及研究趋势，而且说明了近年来粒子滤波跟踪算法的优缺点以及跟踪算法应用的瓶颈。重点介绍粒子滤波基本原理以及改进粒子滤波目标跟踪算法。本文主要从事以下研究工作:　　 (1)稀疏表示因子模糊粒子滤波目标跟踪　　 为了解决一些粒子滤波目标算法对存在快速变化的目标形状，光照，遮挡以及多个相似目标的情况下，目标追踪能力的下降，甚至目标丢失，论文提出稀疏因子模糊粒子滤波方法。该方法综合运用蒙特卡罗算法，模糊测量技术，稀疏因子等方法有效减少了粒子数量，同时增强了粒子滤波的识别定位和实时跟踪目标的能力。实验表明，新方法能够在目标形状，姿态以及光照快速变化的序列中实时地，稳定地跟踪目标。该算法增强了粒子滤波对光照快速变化和目标形变的自适应能力，有了较好的鲁棒性和实时性，且部分遮挡的情况下目标不丢失。　　 (2)增强稀疏表示因子模糊自适应粒子滤波目标跟踪　　 为了提高目标跟踪准确性和实时性，论文在第三部分将稀疏近似的因子集合建模目标外观表示方法，以及模糊测量技术应用到目标跟踪中。文章中两级重采样方法，可以明显减少跟踪过程中采样粒子。同时，快速邻近梯度方法的优化目标因子组合，文章的方法不仅能增强目标跟踪的实时性，还增强跟踪鲁棒性。通过论文实验表明，算法跟踪准确性得到一些提高，且在相似目标，目标遮挡的目标跟踪环境较好地完成目标。　　 (3)目标跟踪系统的实现　　 系统运用MFC，IntelOpenCv开源计算机视觉函数库。系统设计并实现了文中介绍和改进基于粒子滤波目标跟踪算法，为进一步研究粒子目标跟算法提供一个解决方案。