视觉跟踪是计算机视觉领域的核心问题之一,在军事、监测、生产控制、生物医学等方面有着广阔的市场前景。随着市场需求的增长,视觉跟踪技术特别是其核心算法得到了迅速地发展。诸多算法中,粒子滤波以其解决非线性非高斯问题的独特优势得到了研究人员的特别关注。随着近年来计算成本的迅速降低,粒子滤波逐渐摆脱了计算量过大的困扰,成为视觉跟踪中的主流算法。本文对粒子滤波算法进行了深入研究,并根据视觉跟踪问题实际,优化和改进了算法,主要研究内容包括:(1)首先在RGB色彩空间实现了理想环境下的粒子滤波跟踪算法。针对该跟踪算法无法处理目标遮挡、相似干扰和目标尺寸变化的情况,本文分别采用了遮挡判断方法、多块颜色模型和尺寸自适应粒子进行了改进,有效地提高了算法的鲁棒性。(2)针对传统粒子滤波跟踪算法采用固定粒子传播半径的弱点,本文提出一种基于跟踪效果的自适应粒子传播方法,使得粒子传播能根据跟踪情况进行实时调整,有效提高了粒子的采样效率。(3)本文重点研究了粒子滤波的采样部分,分别采用辅助粒子滤波、均值偏移嵌入式粒子滤波和均值偏移嵌入式辅助粒子滤波方法,逐步优化了粒子分布。并提出一种基于辅助粒子滤波和层次采样方法的改进型采样方法,提高了算法的鲁棒性、准确性和实时性。(4)在自主搭建的基于Directshow和VC++的实验平台上,本文用大量视频场景对给定算法进行了验证,并在每个实验之后给出了详细的实验结果分析。