运动目标跟踪是计算机视觉领域非常活跃的一个课题，有着非常广泛的应用，例如视频会议、机器人导航、虚拟现实等等。运动目标跟踪算法的好坏直接影响着运动目标跟踪的准确性和稳定性。现有的目标跟踪算法大多数基于目标的特征或者运动信息，虽然能够完成对运动目标的跟踪，但是需要处理的数据量大、运算复杂，很难达到实时跟踪的要求。面对这种研究现状，本文试图在前人工作的基础上，通过对非参数估计理论的研究，探讨了基于均值移位迭代算法的目标跟踪方案，期望利用此算法对跟踪中经常遇到的问题和在减小运算量方面得到改进。 本文总结了人体运动分析的研究现状和存在问题，总结了静止背景和运动背景下的各类运动检测及跟踪算法，并分析了各类算法的优缺点和适用环境。 深入讨论了均值移位算法背后深厚的非参数估计理论，详细地进行了算法的推导，指出了文献中有关算法收敛性证明的错误并进行了可靠的算法收敛性证明。 详细讨论了将均值移位过程运用到运动目标跟踪领域的实现方案，仿真实现了一种将质心跟踪算法与均值移位思想相结合的跟踪方案，跟踪结果显示该方案可以进一步减少计算量，具有一定的鲁棒性，适应了复杂的目标运动情况。