运动目标跟踪就是对视频图像序列中的运动目标进行检测—识别—跟踪的过程。运动目标跟踪的主要目标就是从视频序列中找到需要跟踪的目标的位置并进行相关的后续处理。运动目标跟踪算法经过几十年的发展在众多领域都有着相关的应用,随着各个研究领域的迅速发展,人们对运动目标跟踪算法的要求越来越高。在算法设计上只有不断的提高运动目标跟踪的实时性、准确性和鲁棒性才能不断满足现实生活的需求。视频序列图像与静态图像相比,具有丰富的原始数据,相邻的视频图像间存在强相关性以及随着时间而动态变化的运动信息。本文分析和研究了国内外已有的基于视频序列的运动目标跟踪算法,针对模板漂移问题提出了一种基于模板的漂移纠正算法。首先通过视觉图像处理的相关知识对获取的视频图像序列进行了色彩空间和灰度值的转换并对图像的质量进行了相关的预处理,有效减小了目标跟踪过程中的外界条件的影响。在视频序列中利用背景差分的方法对视频中的运动目标进行了检测,对检测出来的目标进行了相关处理。最后利用选取的图像模板的累加直方图的特征,利用Mean shift算法对跟踪过程进行了实现。在视频的后续的跟踪过程中对初始模板和当前模板利用巴士系数设定了漂移跟踪系数,对模板进行了漂移纠正。利用标准视频库的实验结果表明,本文的算法有效地的满足实时性和鲁棒性的要求,能够有效地解决视频序列的目标跟踪的模板漂移问题。在文章最后利用上文提出的模板漂移纠正算法结合适合人脸检测识别的LBP特征对粒子滤波算法进行了改进并运用到了人脸跟踪领域。在利用球型机获取的视频的相关的实验中,算法都取得了比较好的结果,证明了算法的可行性。