运动目标跟踪是计算机视觉研究领域的重要课题之一，也是近年来备受研究者关注的前沿方向。运动目标跟踪的目的是通过从含有运动目标的图象序列中跟踪运动目标，并对其行为进行理解和描述。本文着重研究了基于Kernel函数的运动目标跟踪算法。 文中首先介绍了基于Kernel函数的运动目标跟踪模型。介绍了该模型中运动目标的表示方法、相似度测量以及运动目标定位方法。本文分析了算法中各个参数的选择对算法的精度、准确性等性能的影响并提出了本文中所采用的参数的选择方法。通过分析该算法中的参数选择，提出了优化算法。该跟踪算法不仅能对刚性物体进行有效的跟踪，还能对非刚性物体进行有效的跟踪。 传统的基于Kernel函数的运动目标跟踪算法对运动目标缩小或者运动目标大小不改变时能进行有效的跟踪，但是当运动目标逐渐增大时会造成跟踪丢失。造成跟踪丢失的主要原因是运动目标增大时跟踪窗口湮没在跟踪目标中，造成多个位置存在相似的Bhattacharyya距离。本文采用了一种基于后向跟踪、形心配准的窗口大小自动选取算法。该算法首先采用传统的算法计算出下一帧目标的位置，该位置为预测位置，再以下一帧图象的预测位置采用传统的算法向后跟踪计算出在上一帧中的目标位置，计算该位置与实际位置的偏差估计下一帧中预测位置的偏差从而得到运动目标的实际位置。通过上面计算出的目标的跟踪位置不断改变运动目标的大小计算Bhattacharyya距离大小，取得最大Bhattacharyya距离的目标尺寸为下一帧目标的尺寸。实验结果表明，该算法能有效的对运动目标逐渐增大时进行有效的跟踪。