视频目标跟踪技术是计算机视觉领域内一个重要的研究课题,融合了计算机科学、模式识别以及人工智能等多学科知识,并且视频跟踪系统在国民生产和国防建设中有着广泛的应用。在视频目标跟踪算法中,Mean-Shift算法是一种优秀的算法。Mean-Shift算法是一种基于无参估计理论的局部寻优算法,以目标的颜色特征建立模型,具有计算量小、鲁棒性好等优点,但在复杂环境下,跟踪算法仍存在一些问题,所以对Mean-Shift算法进行研究,改进其跟踪性能是十分必要的。本文从以下几方面做了深入研究：(1)在快速运动目标跟踪中,结合卡尔曼滤波算法,通过卡尔曼滤波器对运动目标位置的预测,为Mean-Shift算法提供更准确的迭代初始点,并且针对卡尔曼滤波算法的不足,对卡尔曼滤波算法进行了扩展。(2)对跟踪过程中目标发生变化的情况,使用了更为灵活的局部模板更新算法,将视频中目标的变化反馈到模板中,保持模板的准确度。(3)对背景中含有目标色彩而造成干扰的问题,利用模板中的颜色信息在方位上的分布重新评价当前目标中的像素,排除背景像素的干扰。(4)对目标遮挡问题,利用局部与整体的思想,找到未被遮挡的目标信息,通过利用这部分信息与整体目标的位置关系来定位整个目标,从而完成目标的跟踪。(5)在Mean-Shift算法的基础上,研究了视频检测技术。利用背景相减法检测出视频中的运动目标,然后再使用Mean-Shift算法对目标进行跟踪,完成了自动检测运动目标及跟踪的任务,并开发了目标检测与跟踪软件。