视频图像序列中运动目标的跟踪是计算机视觉研究的一个核心问题,其在国防安全、医学诊断、人机交互和智能交通系统等方面有着极其重要的应用价值。现阶段,运动目标跟踪的难点及问题主要是:物体遮挡、背景情况复杂、光照变化和相似物干扰等,设计一个鲁棒性高且跟踪稳定准确的算法也是现阶段的迫切需求。针对运动目标被遮挡或者与背景颜色相似情况下跟踪不稳定、不准确的问题,本文提出了一种改进的Harris角点检测粒子滤波目标跟踪算法,对视频图像序列中的运动目标进行跟踪实验仿真,验证了本文算法的可行性和准确性。主要的研究工作如下:(1)角点检测算法的改进。针对Harris角点检测存在的两点不足:使用单阈值方法来筛选角点,单阈值设定过大或者过小,都会影响角点检测的准确度和使用平滑的高斯窗口函数,高斯窗口函数也不易控制,过大过小都会影响角点检测;提出了使用双阈值法来处理初步得到的候选角点,再利用SUSAN(Small univalue segment assimilating nucleus)思想处理候选角点,剔除伪角点,提高检测精度,并通过仿真实验对比常规Harris角点检测,验证了本文改进的角点检测算法的优越性和准确性。(2)粒子滤波目标跟踪算法的改进。针对常用的目标跟踪算法所存在的不足和运动目标跟踪所面对的难点,本文通过手动选定视频图像序列第一帧中的运动目标,对其进行角点检测处理,建立HSV颜色空间模型,并手动选定矩形区域的中心和宽高作为粒子的状态,观测值为HSV颜色直方图,观测方程为HSV颜色直方图的似然函数,使用粒子滤波对其进行跟踪,跟踪过程中粒子不断的自更新,确保粒子权重的合理分布,从而实现了对运动目标的稳定跟踪。(3)仿真实验。本文在MATLAB平台上,使用几十组视频图像序列,其中以两组为例,通过仿真实验与经典粒子滤波目标跟踪算法进行比较,验证了本文所提出的一种改进Harris角点检测的粒子滤波目标跟踪算法在目标被遮挡或者目标与背景颜色相似情况下跟踪的可行性、稳定性和准确性。