运动行人的跟踪技术是计算机视觉领域的研究热点之一，同时也是行人识别、行人异常行为分析与描述等高级应用的基础。目前已经被广泛的应用于视频监控、人机交互、智能交通和军事等领域。粒子滤波技术作为处理非线性、非高斯场景下目标估计的数学工具之一，已经被广泛的应用于计算机视觉领域中。本文是基于粒子滤波技术，对运动行人的跟踪方法进行研究。主要研究内容如下：(1)提出了基于HOG和颜色双重特征的粒子滤波跟踪方法。该方法首先计算HOG和颜色特征的有效粒子数，然后利用平均加权的策略来融合这两种特征，最后在粒子滤波框架中完成对运动行人的跟踪；从而解决了传统单一特征的粒子滤波行人跟踪方法容易出现跟踪丢失和偏移等不稳定的问题，提高了跟踪算法的稳定性和精确性。(2)提出了基于QMC的粒子滤波运动行人跟踪方法。该方法在HOG和颜色双重特征的基础上，利用拟蒙特卡洛(QMC)采样方法得到细则均匀分布的粒子集，进而能更好地估计目标状态的后验概率；解决了传统粒子滤波跟踪方法由于蒙特卡洛(MC)采样的随机特性导致粒子间容易出现间隙和层叠的问题，提高了跟踪算法的精度。(3)实现了基于粒子滤波的运动行人跟踪系统。该系统利用Visual Studio2008开发软件结合Intel OpenCV开源计算机视觉函数库，设计并实现了本文介绍的运动行人检测和改进的粒子滤波跟踪算法，完成了自动运动行人跟踪系统，为进一步研究基于粒子滤波的运动行人跟踪方法提供了一个解决方案。