基于机器视觉的运动目标轨迹跟踪融合了图像处理、模式识别、人工智能、自动控制以及计算机等多学科领域的先进技术，在机器人视觉、可视预警、机器导航、交通管理、多媒体教学、人机交互及重要场所安全监控等领域有着广泛的应用。　　 论文致力于复杂运动背景下的单目标跟踪问题的研究，主要完成下面的工作：　　 首先从课题的研究背景出发，综述了课题的国内外研究发展状况，总结和分析了现有运动目标跟踪的基本工作原理及其所面临的难点。　　 其次着重分析了均值漂移目标跟踪算法，并针对目标被大面积、长时间受遮挡的情况下，此算法易丢失跟踪目标的缺点，论文提出了基于卡尔曼预测的均值漂移算法，这种算法计算复杂度小，跟踪速度快，且跟踪过程稳定。　　 之后重点研究了Cam Shift算法，该算法是均值漂移算法的改进，主要解决了均值漂移算法不适应目标尺寸变化，在跟踪时易造成搜索定位不准确甚至丢失目标的缺陷。最后，针对目标全遮挡情况，论文提出了基于卡尔曼预测的Cam Shift的算法，算法通过卡尔曼预测目标在当前帧的可能出现的位置来辅助目标跟踪。经实验证明，该算法对于目标尺寸变化及目标受全遮挡时的跟踪效果较好，无论跟踪对象是刚体还是非刚体都可以实现较准确的跟踪，从而进一步提高了复杂背景下实时跟踪算法的稳定性和可靠性。