随着计算机视觉技术的发展，运动视频目标跟踪技术已经成为武器制导、模式识别，计算机视觉等领域的重要课题。由于运动视频目标跟踪技术在军事和民用领域都有广阔的应用前景，国内外有许多学者从事这一课题的研究，并提出了许多经典的目标跟踪算法。实际环境的复杂性和运动目标的随机性给运动视频目标跟踪带来很多难题和挑战。因此，研究目标跟踪问题有重要的理论意义及应用意义。　　 本文从运动视频目标跟踪的三个指标：实时性、准确性和鲁棒性出发，以基于颜色特征的均值漂移算法为基础，分别通过基于重定位的均值漂移视频目标跟踪算法、基于相似度判定的光流均值漂移视频目标跟踪算法以及预测型自适应搜索均值漂移视频目标跟踪算法三种算法来提高目标跟踪算法的效率和准确性。本文首先研究了均值漂移算法及连续自适应均值漂移算法，并提出了基于重定位的均值漂移算法，提高了跟踪的精度。其次，针对均值漂移算法无法解决背景特征相似的缺点，提出了基于相似度判定的光流均值漂移视频目标跟踪算法，使其在背景特征相似的情况下仍能实现准确跟踪。最后，针对均值漂移算法无法解决遮挡问题的情况，研究了基于卡尔曼滤波器的运动预估。为了克服卡尔曼滤波只能处理线性高斯运动的缺点，本文提出基于均值漂移的自适应搜索技术，并在此基础上提出预测型自适应搜索均值漂移的视频目标跟踪算法。实验结果表明：该算法具有抗遮挡性好、实时性强、能有效跟踪快速非线性运动目标和有效解决背景特征干扰等优点。