目标跟踪是一门综合了多个方向研究的综合技术,其中涉及到诸如图像处理与模式识别、自动化控制、人工智能等多方面的知识。在实际中有着非常广泛的应用,例如军事目标制导、交通控制、安全监控、视频编码、气象分析和天文观测等等,因此不管是从应用角度还是从研究角度看,跟踪算法方面的研究都具有十分重要的意义价值。本文综合讨论了各种跟踪方法,对其进行分类比较,并且对其中最具代表性的Mean Shift和粒子滤波器两种算法进行深入调研,详细阐述了每个算法的步骤、特点,以及算法在近年的发展状况。针对Mean Shift算法,调研了其在目标尺度、光照条件变化的情况下的各种优化方法,提出了一种利用比率-对数图进行特征自动选择的方法,实验结果表明,该算法在很多场景下具有很好的鲁棒性并提高了跟踪精度,可以较好的适应光线变化、背景干扰、被部分遮挡或色彩质量很差的情况;针对粒子滤波器,详细阐述了其理论基础,并调研了针对其缺陷提出的各种改进算法。在车辆跟踪应用上,分析了道路监控问题的特点,以及实现过程中的各个关键环节,并选取几段交通视频进行了实验,在目标检测环节采用背景差和高斯混合模型两种方法,通过对结果进行对比分析其优缺点,但是由于车辆遮挡和噪声干扰等影响,实验结果仍然存在许多不足,需要进一步的研究解决。