目标跟踪是计算机视觉研究领域的关键技术之一,也是该领域的研究热点。同时,目标跟踪又是一个复杂的问题,它涉及到计算机视觉研究的各个方面。近些年来,目标跟踪在视频监控、人机界面、基于目标的视频压缩等众多领域都有着广泛的应用。在众多的跟踪算法中,Mean-Shift算法以其理论严谨、实现简单和跟踪性能良好等优点受到了广泛的关注。本文的主要研究内容就是基于Mean-Shift的目标跟踪算法。Mean-Shift跟踪算法是一种基于特征概率密度统计的建模方法,在跟踪过程中,对跟踪目标建立相应的目标模型直方图,根据Bhattacharyya系数的相似性,利用Mean-Shift算法在后续帧中迭代地搜索目标模型的最佳候选区域。这使得Mean-Shift算法在跟踪中具有良好的效果,如实时性好,对遮挡、目标形变具有鲁棒性等。但是在实际的应用中,目标的尺度大小往往是变化的,而传统的Mean-Shift跟踪算法都是窗口固定的,不能对尺度变化的目标进行有效的跟踪。为了改进Mean-Shift算法的这个缺陷,本文提出了一种基于Mean-Shift算法,将多尺度信息量度量理论与UKF滤波器的结合引入其中的算法。首先利用多尺度信息量度量理论统计跟踪窗内的信息量,再使用UKF滤波器对得到的信息量进行预测,然后使用修正后的信息量计算窗口变化比例系数,最后与Mean-Shift方法结合起来对尺度变化的目标进行跟踪,通过实验证明了改进算法的有效性。