近些年,各国家相关领域的研究学者们对计算机视觉技术做了大量的研究,并取得了很大的进步,从而推动了计算机视觉技术的发展。其中,作为核心之一的视频目标跟踪技术占有相当高的比重,被广泛应用于智能安防、智能交通、医疗卫生等社会领域。由于在社会各个领域中对视频目标跟踪技术的长期应用,研究人员分析总结出了一些影响目标跟踪算法鲁棒性能的主要因素,包括目标遮挡、目标快速机动、复杂背景干扰以及多目标跟踪中的目标数目随机性问题。当前单目标跟踪算法都是针对某一种因素进行性能提升,对另外的影响因素性能不佳。算法中有利用分片思想提出了一种目标跟踪算法,针对目标遮挡问题进行了性能提升,但是当目标快速机动时,算法会跟踪漂移甚至失败;另一些算法则利用粒子滤波算法和自适应分片建模在目标快速机动问题和目标遮挡问题进行改进,但以上两种算法都没有考虑复杂背景干扰的因素。本文针对以上单目标跟踪算法所面临的技术难题,通过对建模结构进行改进,并选取适当的建模特征,组成改进的运动目标建模算法;在粒子滤波重采样环节中利用优化组合思想和高斯分布进行适当结合,提高重采样算法的性能,结合改进的运动目标建模算法,搭建了一套基于改进型粒子滤波的视频目标跟踪算法。本文主要工作内容和特色如下:(1)在运动目标建模算法中,深入分析了常用的建模模型特征类型,揭示了各个建模特征的基本原理以及适用范围。同时还着重分析了目标建模模型中建模结构的不同类型,通过分析其结构原理和对比实验仿真数据,得出不同类型建模结构的性能特点,进而得到了一种改进型的组合分片建模算法。通过该算法能够得到鲁棒性较好的运动目标模型,为后续的运动目标跟踪奠定基础。(2)在运动目标位置定位算法中,对比了当前常用的几种位置定位算法,分析了它们的算法流程,总结了几种算法的性能优劣。通过深入分析粒子滤波算法常用的重采样算法数学原理以及所具有的不足,从增加重采样后的粒子多样性和减少重采样前后概率分布信息损耗的目的出发,形成了一种基于优化组合原理的改进型高斯重采样算法。(3)形成了一套基于改进型粒子滤波的视频目标跟踪算法。该算法基于组合分片建模算法和改进型高斯重采样算法,同时分别对运动目标检测环节、相似性度量环节、目标遮挡判定环节和权重更新环节进行相应的算法选取形成了最终的算法流程。本文算法和几种对比算法在不同类型视频测试集上的进行了算法仿真实验,通过深入分析实验仿真结果,揭示了本文算法改进的有效性。本文算法对比实验结果可以看出,通过建模结构的组合改进和建模特征的选取,提高了目标建模后模型在复杂背景干扰、快速机动和遮挡问题下的鲁棒性,同时通过在粒子滤波算法重采样环节引入高斯重采样和优化组合思想,提高了跟踪准确性,从两方面提高了视频目标跟踪算法的性能。