在图像序列中对感兴趣目标进行有效跟踪,是计算机视觉中一个极具挑战性的课题。近几年,运动目标跟踪理论被广泛地应用到了军事制导、安全监防、生物医学、视频编码等重要领域。通过世界各地科研人员的不懈努力,跟踪算法如雨后春笋,不断涌现。但是现存的算法都是针对某种特定的环境或特定的目标条件,不具备通用性。跟踪目标本身特征的多样性及所处环境的复杂性决定了目标跟踪技术在实际应用中困难重重。本文针对静止背景下的运动目标跟踪做了一些研究。从算法基本思想、操作步骤等方面对几种基于灰度的角点提取算子进行了分析和比较,在仿真试验的基础上对各个算子进行了性能评价。并对经典的Harris角点检测算法进行了优化。研究了基于光流场的两种运动估计算法：基于时空梯度的运动估计方法和基于相关的运动估计方法。对Horn-Schunck算法存在的问题提出了改进的方法,改进后的光流法不再在整个图像上加平滑约束条件,而只在梯度的垂直方向上加平滑约束条件,降低了对运动边界产生的影响。本文提出了一种基于特征点光流的角点匹配算法,该算法同时弥补了光流法和角点匹配法的不足,是一种高精度的运动估计算法,适用于目标部分遮挡、目标旋转及一定程度下的噪声干扰等情况,可以实现较为准确的图像匹配,且提高了匹配的实时性,对运动目标跟踪有一定的理论意义和应用价值。