本文通过对卡尔曼（kalman）滤波和camshift算法的深入研究，发现camshift算法能解决目标变形和遮挡的问题，并且在简单背景环境中能够取得较好的跟踪效果。然而当背景变的复杂时，或是许多与目标颜色相似像素存在背景中，干扰了的目标的情况下，经典算法极易跟踪失败。这是由于它单纯的考虑颜色直方图的原因，此时倘若考虑目标的空间分布特性，结合颜色特征，就能增加目标的限定特征。本文通过对camshift算法和kalman滤波的深入研究发现这两种算法事实上存在着一定的互补性，于是把它们结合起来并且克服彼此之间存在的不足与缺点。识别过程中背景和目标在很多情况下都是混杂在一起的，此时对于目标与候选的目标建模是很困难的。因此考虑把直方图划分为若干个小区间也就是bin，如果用目标背景的对数比来表示直方图中每个bin它们区分目标与背景的能力，那么找到目标与它紧相邻邻域有甚大的差别即可，在视频图像处理的前期通常使用特征提取的方法，通过特征提取可以很好的减少噪声的干扰，这样通过多特征融合技术去对视觉跟踪中所遇到的图像进行处理，使得噪声干扰问题降低到最低程度。本文提出基于多特征融合的camshift结合kalman预测的视觉跟踪算法，进行自动目标检测，通过使用颜色空间直方图和灰度梯度直方图加权处理，不仅在跟踪稳健性方面效果比较好，而且在目标物体的实时性跟踪上也有的非常好的效果，能满足实时跟踪辨别的需要，同时在迭代次数上缩短了23%的迭代次数，在很大程度上提高了视觉跟踪效率。