提出一种基于随机有限集的无迹粒子基数概率假设密度滤波(UPF-CPHD, unscented particle fil-ter-cardinality probability hypothesis density)的多目标跟踪方法.在粒子滤波框架下采用随机有限集(RFS, random finite sets)对多目标状态和观测进行描述.在UPF滤波框架下引入CPHD算法同时递推目标状态和目标数目,并计算最新观测信息,估计结果更加精确,弥补PHD估计目标数目不可靠的缺点.仿真实验表明,UPF-CPHD多目标跟踪方法能够降低超过50%的目标数目估计误差,并提高目标状态的估计精度.