目标跟踪方法的研究是计算机视觉领域中一项富有挑战性的课题,该课题涉及人工智能、图像处理、模式识别、自动控制等许多领域的先进技术。目标跟踪技术在国防制导、智能交通、智能保安、医学诊断和视觉导航等领域有着广泛的应用前景。由于诸多因素的影响,目标跟踪的准确性、实时性和鲁棒性难以得到保证,且现有跟踪算法大多只能应用于特定环境,存在一定局限性。鉴于此本文对视频场景下的运动目标跟踪关键技术进行了研究和探讨。本文着手做了以下几方面工作：(1)研究了常见的几种常用目标跟踪方法,如基于运动目标检测的跟踪方法、Mean Shift跟踪方法、Kalman预测的跟踪方法和粒子滤波跟踪方法,并分析和总结了各常用跟踪方法的优劣性。(2)研究设计了一种多特征模型融合方法,引入特征模型质量评价函数对各个特征模型进行评价并预测相应权重,并对各个特征模型进行积分融合。该多特征模型的融合方法在一定程度上提高了跟踪的准确性和鲁棒性。(3)为了提高算法的时间效率,本文研究设计了一种粒子滤波中选择粒子数量与粒子传播半径的方法,该方法能够有效提高跟踪的实时性。(4)提出了一种基于视频场景下运动目标自适应跟踪算法。该算法在跟踪过程中依据模型的可信度动态更新特征模型的似然度及相应权重,并将似然度用于粒子滤波框架中系统粒子权重、粒子方差(传播半径)和粒子数量的计算和更新。该算法在跟踪精度和实时性方面优于传统算法,并且能够适应较大场景范围内的视频。