运动目标跟踪技术是计算机领域的一个重要课题，广泛应用于医学诊断、智能机器人、人机交互、教育娱乐等方面。与计算机相关的软硬件技术发展迅速，使得计算机的处理速度更快且成本更低，国内外学者也开始重视起了运动目标跟踪技术，相继提出了许多有效的理论和跟踪算法。但是，由于场景的复杂、运动目标的遮挡、光线的变化、运动目标的变形等因素的影响，在理论和应用上还存在着有待解决的问题。所以研究出鲁棒性更好、准确度和实时性更适用于实时应用场景的跟踪方法还面临着挑战，存在着有待解决的问题，具有非常重要的理论意义和实用价值。　　本文主要研究并实现了运动目标的预处理流程，通过加权平均值法、中值滤波、最小均方误差法、Canny算子、混合高斯模型对图像先做预处理，然后通过Kalman预测运动目标在下一采样时刻可能出现的位置，减少图像搜索范围，提高跟踪效率。然后重点研究并实现了SIFT、Mean Shift算法，分析各自的优缺点以后，提出了Mean Shift的改进算法MSO算法，解决了Mean Shift对尺度变化不敏感、目标运动过快导致跟踪效果不好的问题，满足实用场景下需要兼顾实时性和准确度的要求。通过实验结果表明，MSO算法相比Mean Shift算法有了明显的改进，准确度更高，耗时更短，比Mean Shift和SIFT算法更加适合对实时性要求较高的系统，能够更好地兼顾准确性和实时性。　　运动目标跟踪系统使用USB摄像头采集图像，利用云台实现摄像头的转动，采用Linux作为开发平台，进行了嵌入式环境的搭建，又对BootLoader、内核、根文件以及Opencv进行了移植，编写上位机实现图像显示。最后进行整体测试，系统基本能够实现预期的目标。