运动目标的跟踪一直是一个热门的研究课题，从均值漂移、卡尔曼滤波再到粒子滤波、光流法以及基于它们的种种改进算法一直源源不断的被研究人员所提出。　　本文的研究重点在于研究运动目标的跟踪算法。首先，文章中先后介绍了均值漂移、光流法、卡尔曼滤波以及粒子滤波这四种经典的跟踪算法，从理论上阐述了这四者实现跟踪的具体流程。并且在Windows的开发平台上，分别实现了这四者对感兴趣运动目标的跟踪，同时对四者的跟踪效果进行了对比，分析了这四种跟踪算法各自的优缺点。随后，本文提出了两种改进的跟踪算法。一种是基于BRDF模型改进的卡尔曼滤波算法;另一种是基于导向滤波改进的导向粒子滤波跟踪算法(GPF)。前者是将光学领域中的BRDF模型借鉴到跟踪算法中，将目标的位置信息作为一个约束条件加入到卡尔曼滤波模型中;后者是将导向滤波的思想借鉴到粒子滤波中，应用导向滤波的边缘保持特性改进粒子滤波的重采样。并且都在Windows的开发平台上进行了实验，将这两者分别运用到运动目标的跟踪上，用跟踪的效果图以及理论数据，从主观和客观上证明了这两者改进算法的优越性。　　最后，文章根据现有的科技发展趋势以及自身的见解，提出了跟踪算法的未来可能的发展方向。