图像序列目标跟踪技术在军用和民用上都有十分重要的意义,研究和开发可靠而且实时的跟踪算法和系统的需求越来越迫切。在目标跟踪领域最常用的经典滤波算法是卡尔曼滤波和扩展卡尔曼滤波,其中前者用于线性系统,后者用于非线性系统。但是对于非高斯分布噪声上述两种滤波方法的滤波性能指标就会下降,甚至出现发散现象。由于视觉系统本身具有高度非线性和非高斯性,因此对相关的理论和处理技术的研究具有重要意义,并已成为目标跟踪领域的一种重要的研究发展趋势。粒子滤波是颇具特色的非线性、非高斯的理论。粒子滤波算法是通过蒙特卡罗仿真方法来完成贝叶斯递推过程的滤波算法。本论文所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。利用粒子滤波理论实现目标跟踪的核心内容:基于粒子滤波理论建立目标跟踪模型,并形成相应的自动处理过程。粒子滤波的两个重要组成部分是状态转移模型和观测模型,它们的建立都依赖于目标检测的结果。通过比较,本文选择了背景相减的方法进行运动目标检测,实现了目标的准确检测[1]。在目标检测的基础上,对目标进行提取颜色和纹理特征信息作为观测数据。最后,以目标在图像中的位置,速度及加速度为状态变量,以提取的特征量(颜色、纹理)为观测数据,建立了基于检测的图像序列目标跟踪粒子滤波模型,完成了目标跟踪实验。本文利用室外交通视频进行了大量的实验,获得了较好的实验效果[11]。