视频运动目标跟踪,这个课题作为机器视觉研究的一个主要分支,它就是对视场内的非静止的目标,如人和车辆等,进行实时的观测,并在这个基础上对把被观测对象按一定方法进行分类,然后仔细分析它们的行为。为了能够在连续的图像序列中,通过运用算法来找到我们的目标,那么,该目标的特征就必定要提取出来,在后续的图像序列每一帧中,找出具有与目标特征相似度高的区域,作为目标最终的跟踪结果。常用的特征主要有颜色特征,纹理特征,角点特征,SIFT特征等等。粒子滤波与均值漂移是近年来广泛应用于目标跟踪的算法,这些算法由于时性好,速度快,实现简单,约束条件少,因此,成为目标跟踪方面的热点,得以广泛应用。本文提出的多特征融合的动态粒子滤波与均值漂移算法,从空间点信息和局部信息中考虑了目标特征的多样性。将多特征融合在一起,增强并丰富了对目标的描述,使得跟踪特性更加稳定。在跟踪算法的选取上,将粒子滤波与均值漂移算法融合并改进,动态地设定启动粒子滤波时的粒子数,使得在准确跟踪的情况下减少运算量,在跟踪出现障碍的情况下加大搜索力度,实现跟踪的智能性,对跟踪中出现的遮挡问题具有一定的解决能力,稳定性较好。与传统的单一或少量的特征提取和融合算法相比,本文提出的算法能适应更多的场景及情况,兼顾了准确定和实时性。