随着国际化进程的推进,国防和人身安全问题受到越来越多的关注。智能监控系统在保障国家安全运行和社会稳定中发挥着不可替代的作用,而视频运动目标跟踪技术对智能监控系统的正常运行起至关重要的作用。目前现有的目标跟踪算法都具有一定的局限性,为了提高跟踪算法的稳定性和准确性,并且为满足在不同场景下目标跟踪的需求,本文提出了改进的CAMShift算法。通过对传统CAMShift算法的深入分析,本文主要从以下三个方面改进CAMShift算法：一是当图像中有少量像素干扰或者受光照等因素的影响时,跟踪窗口的大小也会不稳定,因此在这种情况下可以将反向投影图转化为二值图像,并对二值图像进行几何和形态学处理,这种方法可以最大限度的降低干扰。二是当图像序列为动态背景时,由于CAMShift算法基于静态的颜色模型,也就是贝叶斯定律的分母保持不变,使固定的背景模板不能与动态的背景像素相匹配,最终导致传统的CAMShift算法的跟踪效果欠佳。针对这一问题本文通过对每一帧中搜索窗口内的颜色模型更新,而不是只更新背景颜色直方图,保证得到的结果与跟踪目标保持一致。这样就可以用不断更新的颜色模型来替代贝叶斯定律的分母,使目标模型能与动态的颜色模型实时匹配。三是当有遮挡发生时,容易产生目标丢失的现象,为了解决这一问题本文通过计算Bhattacharya系数来判断是否发生遮挡,将Kalman滤波融入到自更新的CAMShift算法中,可以实现遮挡情况下的跟踪。对静态有背景干扰、静态有遮挡、动态背景干扰、光照变化等情况,利用OpenCV视觉函数库在C++6.0环境中编程实现,并对跟踪结果进行分析和比较。跟踪结果表明与传统的CAMShift算法相比,改进的跟踪算法的实用性更强、准确性更高、稳定性更可靠。为目标的行为识别和解释等更高层问题提供了底层数据和理论基础,具有重要的理论和实际应用价值。