当今社会存在着各种不安全、不和谐的因素,严重威胁到国家、社会和人们的安全。视频监控是在现有条件下,对涉及公共安全相关领域的场所进行实时监控,有效预防、消除安全隐患的主要技术手段之一。但是传统的视频监控系统存在众多不足,难以处理复杂的监控场景和行为,需要研发基于目标跟踪技术(行为识别)的智能监控系统。目标跟踪系统是智能视频监控的核心,主要有运动目标检测技术和目标跟踪两部分组成。本文研究的重点是复杂背景下的运动物体的跟踪,旨在通过融合多种特征来提高目标跟踪的鲁棒性,主要工作和贡献如下:本文给出一种基于协方差区域描述子的贝叶斯跟踪算法。协方差描述子可以融合多种底层视觉特征,该算法将协方差区域描述子融入到粒子滤波框架下,处理复杂背景下的目标跟踪问题;同时,引入快速协方差计算,提高了跟踪的效率。提出了一种新的基于特征不确定性的多特征融合跟踪算法。首先,针对粒子滤波跟踪算法中特征鉴别能力较弱且粒子分布相对分散时容易造成目标丢失的事实,定义了一种新的特征不确定度量方法,该度量可以在线调整不同类型特征对跟踪结果的贡献。同时,针对乘性和加性特征融合跟踪算法方法中存在的缺陷,提出了一种自适应的多特征融合方法,融合的结果既突出了状态后验分布中目标真实状态对应的峰值,又对噪声不敏感,从而提高了目标跟踪的鲁棒性。