视频跟踪技术正广泛地应用于军用与民用等各个领域，如视频监控、机器人导航、人机接口、安全检测、交通管理等，因此对目标跟踪的研究具有重要的意义，越来越引起人们的关注。论文针对摄像机静止的运动目标跟踪问题，着重研究均值偏移(Mean Shift)算法在目标跟踪中的应用，提出新的理论和优化措施，以提高目标跟踪的鲁棒性和准确性。均值偏移方法是当前目标跟踪领域中最热门的跟踪算法之一，因为其实时性好、对遮挡与形变的鲁棒性好等优点受到了高度的关注和广泛的应用。然而传统的均值偏移算法有其一定的局限性，如无法考虑目标的空间信息、对目标的单特征描述无法满足目标特征的多样性等。本文将针对均值偏移算法的以上缺点提出相应的改进算法。论文主要工作如下：1、针对具有对称高斯核的均值偏移算法，对均值偏移算法的表达形式、研究现状进行了综述，并从理论上阐述了均值偏移算法的收敛性。分析了均值偏移算法中反向投影图的物理含义，介绍了用直方图描述运动目标的优越性，并提出了一种均值偏移算法的优化方法。2、结合模板相似度的度量方法，克服点样本估计方式计算反向投影图的不足，提出了区域估计的方式，提高了Mean Shift目标跟踪算法的鲁棒性。3、针对单一特征描述目标模型的不足，提出了多特征融合的方式描述目标。利用改进的颜色特征和纹理特征融合的目标描述方法，使算法在较为复杂场景下保持较好的鲁棒性与准确性。