视频目标跟踪可以提供被跟踪目标的实时位置信息，在交通视频监控领域扮演着重要的角色。尽管该领域的研究工作广泛而深入，但是仍然面临着诸多挑战。比如目标遮挡、表观变化、非刚体运动以及复杂背景干扰等等。目标遮挡难以直接进行统一的定义和建模，目前仍是目标跟踪诸多挑战中最为重要的问题。遮挡，尤其是严重遮挡和全部遮挡，会导致目标跟踪的定位精度降低甚至跟踪失败，严重影响跟踪性能。因此，在遮挡条件下鲁棒而又准确的跟踪目标仍然是一个具有挑战性的难题。　　本文研究了在不同遮挡状态下持续跟踪且精确定位目标的算法以及稳健的遮挡判决方法，主要贡献摘要如下:　　1.提出一种基于双模式粒子滤波跟踪和快速二元局部描述符的层级抗遮挡目标跟踪算法。该层级算法可以在不同遮挡状态下提高视频目标跟踪的定位精度。在初步定位层，采用双模式粒子滤波跟踪器在不同遮挡状态下粗略地跟踪目标;在精确定位层，基于上一层跟踪结果，利用快速二元局部描述符相似度以及角点坐标信息，采用角点匹配方法得到更加准确的目标位置。设计了一种模块化的遮挡判决机制，实现两种跟踪模式及时准确地切换。提出一种基于加权RGB颜色空间的量化矩阵，可以直接用于颜色特征的构造和角点特征的构造以有效节约运算时间。仿真实验表明，层级抗遮挡目标跟踪算法能够在各种遮挡状态下实时跟踪目标并以较高精度定位目标。　　2.提出一种适用于粒子滤波目标跟踪算法的联合参数遮档判决模型。在交通视频监控系统中，尤其在严重和全部遮挡条件下，连续准确地跟踪遮挡目标极具挑战性，遮挡判决是关键环节。首先利用角点匹配方法和角点的位置信息计算出更精确的目标位置，进而利用该位置对应的颜色特征相似度获得一个能够更加准确反映目标真实状态的权重值。基于粒子滤波重采样函数分析了权重值与粒子分布区域之间的内在联系，并提出一个新的能够提高遮挡检测效率的高性能参数，进而提出联合参数遮挡判决方案。仿真结果表明该遮挡判决方案能够稳健地检测遮挡的发生和消退，提高粒子滤波跟踪器的性能。