视频目标跟踪技术已成为计算机视觉研究的一个重要领域[1]，这里目标跟踪技术就是利用现有的数字图像处理中所有的技术，对跟踪视频中每一帧图像进行分析和相应的处理。目标跟踪技术已经应用于众多领域：智能交通、安防监控、军事应用、人机交互、医学诊断等，所以，对这一领域的开发和研究是十分有必要，也是非常有意义的。粒子滤波算法具有较好的稳定性及适应性，它不仅适用于线性系统，而且当系统为非线性或非高斯的情况下，粒子滤波算法也能取得比较好的效果。能够很好的在解决计算后验概率的问题。因此，粒子滤波算法被广泛的应用于运动目标跟踪技术中，取得了很好的效果，所以成为了科研学者研究的热点方向之一。本文对基于粒子滤波的目标跟踪算法进行了深入研究。对于原始粒子滤波算法来说，其在跟踪目标出现大小改变和障碍物遮挡的时候，跟踪算法性能出现下降，不能精确地完成对目标的跟踪。为了解决这两个问题，在原始算法上加以改进，形成了两种改进后的算法：(1)鉴于SIFT特征点所具有的强大优势，我们在粒子滤波目标跟踪中对目标进行SIFT特征点检测与匹配，利用SIFT特征点所具有的尺度信息，来更新跟踪窗口大小，使得改进后算法能够准确地跟踪目标。(2)将粒子滤波算法与扩展卡尔曼滤波算法一起运用到目标跟踪算法中，在跟踪目标被完全遮挡时应用扩展卡尔曼滤波对目标的位置和状态进行预测，使算法在跟踪目标被遮挡的情况下能准确跟踪目标，从而实现算法对遮挡的适应性。