视频运动目标的跟踪是计算机视觉研究的一个重要分支，是近年来研究的热点。运动目标跟踪技术广泛应用于机器视觉、智能交通、军事制导和视频监控等领域。由于运动目标各自特点不同，运动的形式各种各样，并且运动场景复杂多变，因此跟踪算法的研究一直是一个难点。良好的跟踪算法要求能够处理遮挡、相似物干扰、复杂背景等异常状况。此外跟踪算法还要能够满足实时性的要求。本文就是针对跟踪中的这些问题研究一种具有较高的稳定性和实时性的跟踪算法。 论文首先介绍了视频跟踪系统的框架和原理，然后简单介绍了一些常规的跟踪算法。接着在第三章分别从多项式拟合和Kalman预测的角度介绍了轨迹预测算法。在目标短暂丢失时，要能够预测到目标的大致位置，以便当目标出现时能够重新锁定目标。因此轨迹预测是视频跟踪算法的重要一环。 第四章主要介绍了MCD相关算法和Mean-shift算法。针对二者的缺点，做了一些改进。并对二者的性能进行分析比较。Mean-shift算法由于根据概率密度梯度的原理，不需要匹配所有的候选目标，因此具有极高实时性。此外，将Mean-shift和Kalman滤波器结合，很好的解决了遮挡等异常。 最后，论文简单介绍了电视跟踪系统的硬件结构和软件设计流程。 本文主要在提高跟踪稳定性上做了大量分析研究，并给出了实验结果。事实证明本文算法具有很高的跟踪稳定性和实时性。