目标跟踪是计算机视觉领域中的一个重要研究方向。研究一种鲁棒性好、精确度高、性能稳定和适用性强的目标跟踪算法依然面临巨大挑战,并且具有重要的理论意义和实用价值。体育节目因为其特有的魅力,在当今的社会中广受大众的欢迎。因此,对体育视频中目标的跟踪研究,具有很高的实际意义和商业价值。本文首先叙述了贝叶斯滤波原理。接着详细阐述了粒子滤波的原理,讨论了粒子滤波算法存在的主要问题和解决办法。给出了通用粒子滤波算法的实现步骤,通过和扩展卡尔曼滤波的仿真对比实验,说明粒子滤波更适合解决非线性非高斯系统的问题。对CAMShift算法的原理进行了详细的阐述,通过应用该算法对视频目标跟踪的跟踪实验,总结了该算法的优点及局限性。设计开发了基于颜色特征的粒子滤波器,算法的目标模型具有自动更新的能力。给出了直方图匹配度、粒子数量和粒子传播半径之间关系的理论上的计算公式。通过对目标的跟踪实验,定量的分析了粒子数量和粒子传播半径对跟踪精度的影响,总结出了粒子数量和粒子传播半径的经验设定公式,本项工作的完成对基于粒子滤波对目标的跟踪具有重要的指导意义。在上述对粒子滤波研究的基础上,提出了自适应的粒子滤波算法。该算法对目标遮挡及遮挡后的跟踪和目标丢失后的恢复跟踪进行了有效处理。同时,本算法对正常跟踪时的粒子数量进行了必要的减少,为满足跟踪的实时性提供了重要的探索。对两种类型的体育视频中目标的跟踪实验证明,本文提出的自适应粒子滤波算法一定程度上满足了跟踪的鲁棒性和准实时性的要求,为体育视频的目标跟踪开辟了一条崭新的道路。