粒子滤波方法是近年提出的一种适用于目标跟踪的有效算法,但存在粒子的退化现象,导致许多状态更新的估计对目标跟踪轨迹不起任何作用,在浪费大量计算资源的同时降低了粒子滤波器的性能。因此研究一种实时性,准确性和鲁棒性好的寻优方法是目标跟踪的关键问题。人工鱼群算法具有快速跟踪极值点漂移的能力,及较强的跳出局部极值点的能力,因此在运动目标跟踪领域具有重要的应用价值。本文对基于人工鱼群算法的目标跟踪系统进行研究。本文在分析了人工鱼群算法和粒子滤波算法理论基础上,构建人工鱼群目标跟踪模式,该模式采用人工鱼的觅食、聚群、追尾三种行为策略,不同的行为模式定义粒子不同的状态转移方程,根据试探行为接近目标程度而选不同的状态转移模型,避免了粒子滤波算法相同的状态转移模式,使粒子具有智能群体的行为。仿真实验表明,人工鱼群算法在动态目标速度和方向骤变,以及存在遮挡物情况下,避免目标丢失现象,为解决动态目标跟踪提供了新方法。本文利用进化规划的变异算子,增加人工鱼的多样性,扩大鱼群的分布搜索范围,加快获得全局最优解的速度。采用协同控制技术,构建多个子人工鱼群的分布体系,对每一个子群体进行三种行为试探,将最优子群体的状态指导其它群体的移动,实现了个体与群体的信息交互与相互协作机制,消除人工鱼漫无日的随机游动。仿真实验表明该方法能够适应目标运动的随机性和动态性,扩大了搜索范围,提高跟踪性能。