视频跟踪是目标跟踪学科一个新兴的研究方向,它与雷达跟踪相比提供了更丰富的细节信息,在目标检测与识别上更加容易,因此在军事和民用领域有着广泛的应用前景,如敌对目标的跟踪与拦截、重要地点和设备的安全监控、视频导航等等。视频跟踪是一门综合的技术,它涉及到了人工智能、计算机视觉、模式识别、图形处理等各个学科的技术。由于将这些技术在实际应用时对跟踪的实时性、准确性、稳定性和可识别性要求都有所不同,没有一种算法能够满足所有情况,因此开发一种最适合实际需求的目标跟踪算法是衡量一个算法好坏关键。本文研究的主要对象是对飞行目标的跟踪,因此目标跟踪算法重点在跟踪的实时性和准确性上。由于背景噪声和器件本身噪声的存在,视频图像往往不能准确的反应现实情况,因此本文的主要工作是在保证系统实时性的基础上抑制和消除视频跟踪系统中的各种噪声干扰,提高跟踪系统的可靠性。本文对视频跟踪技术的研究分为三大部分,第一部分为目标检测算法的研究,主要对背景差分法和帧间差分法进行了比较实验,并采取最大类间方差法进行阈值的选取,增加这两种算法的准确性,然后介绍了改进的两帧差分法和三帧差分法,提出结合二维图像投影法和三帧差分法检测目标并确定跟踪波门,此方法能够准确的迅速的计算出跟踪波门位置。第二部分主要介绍基本滤波算法,如标准的卡尔曼滤波及扩展的卡尔曼滤波算法,然后分析以贝叶斯递推估计和蒙特卡罗方法为基础的粒子滤波算法,是本文后续部分应用粒子滤波的理论基础。第三部分在前面的研究基础上,以粒子滤波为框架,提出了一种基于新的采样方法的粒子滤波跟踪算法,并在MATLAB平台上对卡尔曼滤波算法、普通粒子滤波算法以及基于新的采样方法的粒子滤波算法进行了仿真实验及定量分析,仿真结果表明,基于新的采样方法的粒子滤波算法在实现对目标准确跟踪的同时也增强了跟踪系统的鲁棒性。最后在Visual C++ 6.0平台下对一段飞行目标视频进行了跟踪实验,说明了改进的粒子滤波算法的可行性和有效性。