视觉跟踪技术在随着不断提高的计算机运算能力和计算机存储能力而得到很大的发展。如今视觉跟踪技术已经广泛应用于民用和军事等众多领域，主要包括视频监视，如用于小区、银行、停车场等公共场所进行监控；智能交通，用于对交通流量的控制和检测车辆异常行为等；人机交互，通过不断的更新视频图片，并对这些视频图片的量化分析，进而得到人在这些视频图片中的姿势、动作和手势等，从而实现实时的人机交互。在视频跟踪领域，目标自动跟踪算法如：卡尔曼滤波、Snake模型、高斯滤波、粒子滤波等，国内外已经有不少学者将理论的跟踪方法运用到各种实际的跟踪领域。在医学研究领域，目标跟踪也被成功应用到医学实验和研究中，并且取得了很多成果。　　细胞微管在细胞中起到支架和胞内运输作用，并且为轴突的生长起到导向作用，医学上可以通过观察细胞微管的运动情况来得到细胞是否正常发育。细胞微管跟踪的一个重要应用是，通过对癌变微管的跟踪研究，能够判断出抗癌药物的作用效果。传统的研究方法是通过对在荧光显微镜下录制的视频图像进行手动标定，这种方法需要的人工成本高，并且存在人为误差因素。　　本文首先对视觉跟踪的基本原理和主要方法进行了阐述，比较主要方法之间的优缺点，并根据细胞微管的运动特点总结出以Snake模型为基础的改进粒子滤波跟踪算法。在此方向上对粒子滤波的基本原理和目标跟踪实现进行了介绍，对Snake模型以及改进的Snake模型进行了总结，并针对细胞微管的运动特性对粒子滤波算法进行了改进。在前人研究的基础上，本文的主要研究和创新主要为以下方面：　　1、在粒子滤波算法的基础上，针对跟踪目标的运动和分布特点进行算法的改进，以适用于对特定目标的跟踪，提高跟踪效果和跟踪精度。由于神经微丝在运动特征上和细胞微管有很大的相似性，在模型上更加简单，故此以神经微丝作为跟踪目标进行粒子滤波算法和改进算法的比较实验。　　2、对Snake模型进行研究，并对Snake模型和改进算法进行分析比较。针对细胞微管的运动特点对Snake模型进行有效的改进，使改进后的模型能够更有效、更快速的趋近于微管的边缘。　　3、将改进的粒子滤波算法和Snake模型进行有效的融合，使融合后的算法可以有效的跟踪细胞微管目标。在仿真实验的基础上进行数据采集和分析，以手动标定为对比，确定实验结果的鲁棒性。