近几年,视频运动目标跟踪已成为一个热点问题。在视频监控、视频检索、虚拟现实、医学诊断和体育视频检测等领域有着广泛的需求和前景。但是现实跟踪条件的复杂性,包括光照影响、物体遮挡、目标发生形变、运动不定性等诸多干扰因素,使之在计算机视觉领域中也是一个复杂困难的课题。许多科研人员尽管提出了许多有效的方法,但是仍有很多问题没有得到很好的解决。本论文在粒子滤波器框架下,对目标外观建模问题进行了研究,提出基于优化的视觉模型构建方法。通过对当前多特征融合方法的研究和分析,构建了优化模型。采用基于遗传算法的多特征融合策略,对特征融合参数进行优化。论文的主要研究内容包括：1.粒子滤波框架首先,研究了基本粒子滤波器框架,总结了粒子滤波器的关键问题,实现了基本粒子滤波器的算法框架。2.视觉模型其次,对当前的视觉模型构建方法进行了研究、总结和分析。针对当前热点的多特征融合方法进行了研究,总结现阶段存在的问题,并探索了可行的解决方案。3.基于遗传算法的多特征融合最后,本论文提出一种基于遗传算法的多特征融合视觉模型优化方法。将提高视觉模型的鲁棒性问题转化为优化问题,通过构建优化模型,采用遗传算法以实现目标鲁棒建模为目的,将遗传算法与多特征融合结合起来。本论文将上述模型在视频数据库上进行了测试,通过对实验结果的分析,证明了该方法对运动目标跟踪出现的问题,如复杂场景、遮挡问题、目标外观变化以及运动不定性的问题具有很好的鲁棒性,能够保证跟踪结果的稳定性和高效性。