智能视频监控中目标跟踪技术是一项较为核心的技术，该技术目前已成为计算机视觉领域中的热点问题，在安全监控、人机交互、交通监测和军事指导等众多领域拥有广阔的前景和巨大的实用价值。由于粒子滤波技术在解决非线性非高斯问题上的优势，与目标跟踪环境的实际情况非常吻合，而被学者们引入到目标跟踪领域。然而粒子滤波算法存在粒子退化的问题，后来人们提出重采样过程，虽然解决了这一问题但带来了新的问题——粒子多样性的缺失，导致样本贫化和增大计算量的问题，对长时间目标跟踪精度的影响尤为严重。针对上述样本贫化的问题，本文分析了粒子滤波算法的基本理论，并对存在的该问题进行了深入的研究，通过优化粒子权值的方法提出一种基于权值优化的粒子滤波算法，并将优化的算法应用于目标跟踪过程中。本文首先介绍了目标跟踪中目标表示方法、目标特征提取以及目标跟踪算法等相关技术为后续目标跟踪提供技术基础。其次详细论述了粒子滤波的相关理论进而提出基于权值优化的粒子滤波算法，并通过仿真实验证明该算法的有效性。最后设计出基于颜色直方图的粒子滤波目标跟踪算法的流程，通过实验对比传统粒子滤波算法和基于权值优化的粒子滤波算法在目标跟踪的效果，实验结果表明改进算法能够有效地提高目标跟踪的鲁棒性。