在分割及跟踪的过程中,针对天气、光照、复杂背景等传统方法不能很好解决的问题。本文提出一种融合深度信息的方法去分割目标,针对跟踪部分,以一种基于相似性度量的高效Mean Shift目标跟踪算法为主要研究对象。分割及跟踪通过Matlab软件仿真来验证算法的实现效果。分割部分,传统的图像分割方法大致可分为两类：基于边缘的分割方法和基于区域的分割方法。传统分割算法的过分割严重干扰了对真实目标的提取。本文采用的方法是：首先对融合深度信息的图像进行统计区域合并,这样可以减少分割时复杂背景的干扰,得到初始分割区域,如果目标与背景相似度高,会出现过分割现象,为了解决这个过分割问题,需要进一步处理,我们对得到的初始分割区域进行颜色填充,准备下一步分割,用graph cuts对过分割部分进行处理,得到精确的目标。这种方法是多种算法的融合得到满意的结果。融合深度信息的分割方法是图像分割中一种新的技术,事实证明,融合多种方法进行分割更容易得到理想的结果。实验结果表明,该方法可以解决很多实际性问题,具有一定通用性,尤其对于较为复杂背景的图像,处理效果显著,减少了颜色相近的干扰。跟踪部分,概述了mean shift的基本理论,介绍了基于相似性度量的高效mean shift跟踪方法,并指出算法的优缺点及适用范围。新算法很好的对目标分割及跟踪,当目标与背景较为相似时,也能有效的将目标与背景分离,从而使跟踪结果更为准确。本文通过实验对新算法进行了实验分析,证明了新算法对于目标与背景较为相似时,或目标运动较快时,都可以准确的分割以及跟踪。