在计算机视觉中的应用里，视频里目标的跟踪和识别是很重要的一项研究课题。本文针对视频监控里运动目标的跟踪受到场景复杂、发生变形、目标变化等相关因素干扰所产生的问题，进行了以下的研究。
　　在目标检测时，通过比较分析常用的几种运动目标检测方法，找到了他们的缺点。它们均易受亮度和噪声的影响，并可能出现虚假目标的情况，对运动目标检测系统的实用性也会产生严重影响。针对这些缺陷，本文给出了三帧差运动目标识别算法，获得了较好的检测效果。在目标跟踪时，采用经典的均值偏移算法，虽然可以快速准确地向密度增大的方向进行偏移，但是，当目标速度较快时，跟踪效果不好，跟踪过程中还缺乏必要的模板更新。针对均值偏移(Meanshift)算法的不足，提出了一种融合改进的Camshift和自适应卡尔曼滤波的视频运动目标跟踪算法。为了预测当前帧中目标的可能位置，引入了卡尔曼滤波器并根据以往目标的位置点信息进行预测，在每一帧图像中卡尔曼滤波器建模场景目标的位置构成了目标运动的轨迹。在跟踪过程中，利用自适应的卡尔曼滤波器估计每一帧的起始迭代位置，再利用改进的Camshift算法得到跟踪位置，以此作为测量值反馈给自适应Kalman滤波器，并引入遮挡率因子以动态调节Kalman滤波器的参数，使改进后的Camshift算法具有对目标物体后继状态进行预测估计的能力，从而在目标发生短时间的遮挡后依然可以对目标进行准确跟踪。实验结果表明，本算法相对于均值偏移算法有较好的改进，能对视频中的运动目标实现检测和连续跟踪，对遮挡也有较好的鲁棒性。