随着经济的不断发展和交通量的持续增长，自主驾驶与辅助导航逐渐成为目前智能车辆领域的一个热点。作为一个集环境感知、规划决策、自动驾驶等多种功能于一体的综合系统，智能车辆能够提高车辆行驶的安全性、舒适性、达到提高交通效率、改善交通环境的目的。 本文通过对粒子滤波算法基本理论的分析和对该算法存在的问题的研究，详细阐述了序列重要性重采样算法和进化粒子滤波算法，分析了上述各种滤波方法的优缺点，并于最后通过对粒子滤波算法所存在的粒子数匮乏和粒子多样性丧失问题的分析以及鉴于减少运算量和满足实时性的考虑，针对智能车辆技术的视觉导航部分中的目标识别问题提出了一种基于新的采样方法的粒子滤波算法，并应用到目标识别系统中。整个目标识别系统的实现过程如下：首先利用图像处理技术对双目视频图像进行数据净化处理，以缩减数据量、获得目标所在区域的位置信息。然后根据障碍物的面特征，通过光流法或v—视差法检测前方路面上的目标，获得目标的位置、尺寸和灰度等信息。根据前面得到的目标信息作为初始值，选取适当数目的粒子，用粒子滤波技术进行目标跟踪，最终取得目标的实时位置和运动轨迹。本研究提出了一种改进的基于粒子滤波的运动目标跟踪算法。在理论算法研究的基础上，搭建了目标识别实验平台，进行了大量实验。文中给出了详细的算法思路及流程图，并对实验结果进行了分析。对观测结果的分析可以得出结论：本文基于粒子滤波的的图像运动目标识别系统具有良好的实时性，能够正确的进行运动物体的实时检测和跟踪，并具有一定的鲁棒性。