视频目标跟踪在现代化智能交通系统、智能监控系统、医学导航手术器械定位以及军事目标检测等方面具有十分广泛的应用价值，但实际环境下的视频目标跟踪往往情况复杂多变，现有的许多目标跟踪算法都是在某些方面具有比较强大的处理能力，但至今为止没有一种方法可以完美适应所有的复杂情况。基于局部特征的目标跟踪也只是在一定程度上可以克服某些困难，实现较准确的目标检测和跟踪，但对其的不断探索和优化正是将跟踪一步步完善的必经之路。对基于局部特征的视频目标跟踪方法进行分析和深入研究具有十分重要的意义和实用价值。本文主要围绕基于局部特征的目标检测和跟踪方法进行研究，主要内容如下：（1）对视频目标跟踪的发展历程和关键技术展开全面的探讨，在军用和民用领域列举了视频跟踪技术的应用价值。并对现有目标跟踪算法分成几大类分类探讨，从总体上进行分析描述。（2）对尺度不变特征变换（Scale invariant feature transform，SIFT）和快速鲁棒特征（Speed Up Robust Features，SURF）算法细节进行深入详细的分析，比较二者区别，并进行实验仿真，然后依据实验数据进行结果分析比较，展示了局部特征算法在图像处理中的丰富、独特、稳定等等优越的性能。（3）将快速鲁棒特征（Speed Up Robust Features，SURF）算法和最优块优先（best bin first，BBF）算法相结合以提高特征匹配阶段的速度，并提出一种跟踪窗口和模板更新策略，前者可以使跟踪窗口自适应的在跟踪过程中根据目标大小变化而变化，模板更新策略则更优化的处理了的在跟踪过程中出现的部分遮挡或目标完全消失等情况。本文结合以上算法思想，以VS2005为开发平台，结合OpenCV，在PC上完成了实验性的基于SURF特征的目标跟踪系统。经过多组实验数据测试，跟踪系统在处理视频目标跟踪时在遇到尺度变换、仿射变换、光照改变及部分遮挡的情况时可以实现较好的跟踪效果，并且可以满足实时性，达到了预期目标。本文所做的研究为目标跟踪、智能监控、等后续研究，提供了依据和基础。