在面对光照变化、部分遮挡、背景杂乱和平面内外旋转等跟踪难点时, 跟踪学习检测算法(Tracking-Learning-Detection, TLD)容易产生漂移导致跟踪失败, 其跟踪性能还有待提高。在传统TLD算法的基础上, 提出一种基于人工鱼群粒子滤波的TLD改进算法。首先使用人工鱼群粒子滤波跟踪器代替金字塔光流跟踪器, 将颜色直方图特征和方向梯度直方图特征进行融合, 建立目标表观模型, 引入图像金字塔多尺度思想进行尺度匹配, 提高目标跟踪的稳健性。然后通过粒子滤波过程预测目标区域, 将TLD算法检测模块的全局扫描改进为局部扫描, 剔除大量非目标区域, 提高检测模块的检测效率。实验结果表明: 基于人工鱼群粒子滤波的TLD改进算法具有良好的跟踪性能, 与传统TLD算法相比, 其平均成功率和精准度分别提高了19.04%和28.00%, 平均跟踪速度可达33.87 FPS, 提高了38.78%。