目标跟踪技术在军事、工业、安保、智能交通、医学和科学研究等方面都具有重要的意义，应用前景广阔。目标跟踪把图像处理、自动控制、信息科学有机结合起来，形成了一种能从图像信号中实时地自动识别目标、提取和预测目标位置信息、自动跟踪目标运动的技术，是当前计算机视觉、模式识别与智能系统等领域研究的重要课题。　　 本研究对目标跟踪所涉及的两个主要方面——运动目标提取和目标跟踪过程，进行了较深入的研究与探讨，并针对后一部分内容进行了一些改进，取得了一些初步成果。主要的研究工作概括如下：　　 1.综述了目标跟踪算法的工作原理和经典方法，如目标检测方法中的差分法和光流法；目标跟踪方法中的特征匹配法，区域匹配法，模板匹配法。阐述了目标跟踪中的关键技术，特征提取和特征匹配。介绍了颜色空间、纹理和运动特征，以及特征匹配的具体方法。　　 2.实现了利用颜色和灰度的Mean Shift目标跟踪算法。并提出了在序列图像跟踪中采用图像预处理技术提高Mean Shift跟踪算法性能.讨论了均值滤波，图像对比度增强，K_L变换等图象预处理方法，以便去除噪声对跟踪结果的影响。　　 3.改进了Mean Shift算法的特征描述：一是将RGB颜色空间转换为HSV颜色空间，利用色调特征作为原目标特征描述，以便克服光照变化等影响；二是利用了Gabor滤波器提取图像目标的纹理信息作为目标特征，改进了跟踪图像匹配的过程。　　 4.针对Mean Shift跟踪算法的缺陷，提出一些具体措施进一步提高算法性能.一是利用了Kalman滤波器的预测功能，提高了跟踪算法对遮挡等情况的鲁棒性；二是提出了Mean Shift算法在多目标跟踪中的并行方法，并验证了并行多目标跟踪的可行性；三是提出了一种全局目标搜素策略，采用全局目标搜素的算法，能够在目标“失跟”情况下，重新找回目标继续跟踪。