本书对复杂场景下视频目标跟踪的一些关键技术进行了研究。在参考国内外其他学者研究方法的基础上,根据近几年的研究成果,较系统论述了传统目标跟踪算法存在的缺陷;对噪声干扰,光照变化,目标与背景色彩相近,姿态变化,遮挡,多目标等复杂的视频场景进行了分析,研究了不同场景下采用不同目标跟踪方法对目标跟踪性能的影响;以粒子滤波和均值移动两种跟踪算法为主线，采用CAMSHIFT算法、多示例学习方法、压缩感知、以及深度学习算法，并融合粒子滤波对目标跟踪方法展开了研究。提出了基于粒子滤波和卷积神经网络的目标跟踪算法,以及粒子滤波和CAMSHIFT算法、压缩感知、多示例学习等相结合的目标跟踪方面的理论及应用技术。