随着信息技术的迅猛发展，基于视频的目标跟踪技术在很多领域具有广泛的应用价值。复杂的背景下，人们通过人眼以及大量的先验知识，可以轻松的对运动目标进行跟踪。但是，如何利用机器视觉技术通过视频流获得运动目标的相关信息从而进行目标跟踪则是一项充满挑战的工作。本文研究了基于特征点目标跟踪算法，基于特征点目标跟踪算法分为特征点提取算法和特征点匹配两个部分。为了满足目标跟踪系统的实时需求，本文选择了耗时量少的FAST特征点提取算法，并采用了同态滤波和自适应阈值对FAST算法进行优化。优化后算法具有在不同光照情况下适应能力较强的特点，且达到了抑制多个特征点块的目的。在特征点匹配过程中，采用了金字塔的KLT光流匹配技术。针对匹配后存在不稳定特征点的问题，本文提出了一种前后向匹配法去除不稳定特征点，从而增加了跟踪的准确性。在特征点跟踪过程中间，随着不稳定特征点的逐渐剔除，目标的有效特征点逐渐减少甚至消失。针对特征点跟踪这一缺点，本文运用了特征点跟踪与粒子滤波结合的方法。采用了协方差矩阵技术来描述目标，作为粒子滤波的观测值。实验表明，基于协方差矩阵的粒子滤波算法具有一定的抗同色干扰的能力，并且整体优化后的算法跟踪稳定性较高。针对目标被短时间严重遮挡情况，本文提出了一种遮挡情况下的跟踪策略。通过不断扩大搜索区域，将运动目标的梯度以及颜色信息等多个融合来实现对运动目标的重新识别。实验表明，当目标遮挡结束时，算法可以准确的识别目标。