针对粒子滤波算法在有干扰的目标跟踪中可能出现的粒子多样性减少和精度下降等问题，研究并实现了一种新的基于约束知识的IP-MCMC-PF目标跟踪方法。该方法首先通过约束知识提高粒子预测的准确性，并通过多链并行的IP-MCMC方法提高粒子的多样性，有效地解决粒子退化问题；在此基础上通过PN学习算法在线更新抽样粒子的抽样分布和检测器的训练样本，实现目标跟踪算法的在线学习，有效提高了复杂背景下目标跟踪的准确度和自适应性。实验结果表明，该方法在遮挡、形变、光照变化等多种干扰的情形下都具有很好的跟踪效果。