自动视频目标检测与跟踪具有隐蔽性、直观性、抗电子干扰性等突出优点,作为智能监控系统中的一个重要组成部分,为各种后续高级处理,如目标分类和行为理解等提供了技术基础,在军事、安保等领域得到了广泛的应用。由于人体是非刚体,运动更加复杂,所以对于人体的检测和跟踪更有难度,特别是复杂背景下多个人体的跟踪问题。本文主要研究复杂背景下视频运动目标跟踪问题,将概率假设密度(PHD)粒子滤波方法用于人体跟踪,实现了视频中单目标和多目标的有效跟踪。首先总结了四种经典的运动目标跟踪方法,即模板匹配算法,Mean shift算法,比例直方图算法和粒子滤波算法;采用LOTS(Lehigh Omni-directional Tracking System)算法进行运动目标检测,分别对四种经典跟踪方法进行实验分析。其次,研究了概率假设密度粒子滤波跟踪算法,改变了以坐标作为状态向量的传统做法,利用角度作为状态向量。最后,研究了ViPER视频目标检测与跟踪评估平台,利用该平台的性能评价指标对概率假设密度粒子滤波算法和四种经典目标跟踪算法进行了评估,分析了算法的性能,得出了详细的评估结果。实验证明概率假设密度粒子滤波跟踪算法不仅对于复杂背景下单个人体的跟踪效果非常好,而且适用于跟踪多个人体,对于目标发生相遇的情况,也能很好的跟踪每一个目标。