智能视频监控已经成为计算机视觉中一个重要的应用领域,广泛应用于社区、超市、银行等公共区域安全监控。智能视频监控分为目标检测、目标跟踪、目标识别和行为分析等。在目标跟踪中,环境的复杂性、被跟踪目标本身特征变化的多样性、遮挡跟踪目标引起的模板不匹配等问题,都会影响到目标跟踪算法性能。以Mean Shift目标跟踪算法、TLD目标跟踪算法和Kalman滤波算法应用于目标跟踪的实验研究为基础,讨论运动目标的姿态和形状变化、目标在不同空间区域产生的阴影、运动目标被其它物体部分或全部遮挡、光线及场景变化以及跟踪实时性的实际要求等,设计出新的目标跟踪算法,即“MTKal算法”,旨在有效地提高目标跟踪的准确率、目标识别率,降低时间复杂度,提高系统的实时性。分别对Mean Shift目标跟踪算法和TLD目标跟踪算法进行了实验研究,在此基础上,提出了“改进的Mean Shift目标跟踪算法”,即“MS-TLD算法”,分别针对背景环境简单但目标尺度发生变化、目标背景存在干扰以及跟踪目标移动速度较快等设计出相应的对比实验,采用“目标识别率”和“跟踪准确率”度量算法性能,实验验证了“MS-TLD算法”的有效性。在“MS-TLD算法”的基础上,用Kalman滤波算法对“MS-TLD算法”进行优化改进,进一步提出了“MTKal算法”。该算法利用Kalman滤波器的预测功能,在每一帧Mean Shift目标跟踪算法开始迭代寻求目标候选位置的初始化操作之前,根据已有的运动信息对目标状态进行预测,提高了“MS-TLD算法”的跟踪准确率。实验验证“MTKal算法”,并将其结果与“MS-TLD算法”的实验结果进行了对比和分析。实验研究表明,“MTKal算法”能够有效提高目标跟踪准确率。研究结果表明,所提出的“MTKal算法”和“MS-TLD算法”可用于目标跟踪系统设计。