视频目标跟踪技术是计算机视觉领域的前沿研究课题,该技术在交通监测、医疗诊断和安全监控等多个方面都有广泛的应用。视频目标跟踪技术的本质是在连续的视频序列中通过估计和相似性对比来找到感兴趣的目标位置。多数跟踪算法都只是针对某一类问题进行处理,比如目标快速移动、目标慢速移动以及目标受到遮挡等情况。小波变换在目标跟踪领域已经有了广泛的应用,但是它对图像特征的描述并不理想,而Curvelet变换是一种新的多分辨分析方法,它具有很强的方向性和各向异性,可以有效的提取图像的特征。本文对目标跟踪的相关方法做了深入的分析,并对影响跟踪效果的多个因素进行了重点研究。首先,提出了一种基于Curvelet变换的运动目标跟踪方法,该算法首先提取目标模板作为要跟踪的目标,然后利用Curvelet系数的能量建立特征向量,最后利用相似性函数确定目标的位置。这种算法除了依赖Curvelet系数之外,并不需要其它的参数,因此该算法的计算量小、容易实现。但是在目标受到遮挡的情况下,该方法的跟踪效果不好,会偏离目标的真实位置。针对这一缺点,本文又提出了一种将Curvelet系数能量与颜色特征相融合的粒子滤波跟踪算法。该算法充分利用了 Curvelet系数能量在各帧图像之间的不变性,将基于颜色特征的粒子滤波跟踪算法进行了优化,使得目标受到背景干扰或者遮挡的情况下也可以准确的跟踪目标。实验结果表明,结合Curvelet系数与颜色特征的粒子滤波跟踪算法可以有效的跟踪快速运动的目标、慢速运动的目标以及受遮挡的目标。