视频目标跟踪融合了图像处理、模式识别、人工智能、自动控制、计算机应用、生理学、物理学、数学等相关领域的先进技术和研究成果,具有可视性,抗干扰,成本低等优点,已被广泛的应用到军事监控、交通管制、机器智能、医疗诊断等方面。随着各种复杂环境应用领域的不断需求,除了引入各种新的技术外,如何提高现有跟踪算法的精度以及鲁棒性也是当前目标跟踪领域研究的重点。本文详细的介绍MeanShift算法在目标跟踪领域中的应用方法,针对信息度较少的直方图特征引入了空间位置信息加权的目标特征表示方法。通过对MeanShift算法跟踪效果的分析,得出MeanShift算法固有的缺陷。本文主要的工作是对其固有的缺陷提出了两个方面的改进。首先,针对MeanShift算法不能处理目标完全遮挡的情况,提出了Kalman滤波和MeanShift算法相结合的方法,利用Kalman滤波预测目标在当前帧中可能出现的位置,然后利用MeanShift算法在其邻域搜索。本文将目标被遮挡情况分为无遮挡、部分遮挡和完全遮挡三种状态,采用Kalman的残差来判定目标的被遮挡的状态。目标进入完全遮挡状态,利用线性运动特征预测其位置。针对动态更新模板,提出了引入实例推理机制的方案,有效的解决遮挡中模板动态适应的问题。另外,引入了动态自适应核窗口的方法——CamShift算法,采用HSV颜色模型,有效的解决了MeanShift算法中固定核窗口的问题,同时也有效的解决了MeanShift算法对光照敏感的问题;采用椭圆搜索窗口,提高了跟踪的目标旋转形变问题的精度。最后本文提出了一种基于CamShift算法的全自动目标跟踪策略,有效的减少由于手工选取目标引起的误差。