运动跟踪是计算机视觉领域的一个重要研究课题。它是对图像序列中的运动目标进行检测、分类和跟踪，获得运动目标空间位置、速度、加速度以及运动轨迹等参数，并对其行为进行理解与描述的过程。运动跟踪技术融合了图像处理、模式识别、人工智能等多个领域先进技术和研究成果。它在视觉监控、目标自动对焦、SLAM(Simultaneous Localization And Mapping)、即时定位与地图构建、MSG(MotionSensing Game)体感游戏、HCI（Human Computer Interaction）人机交互等方面有着广泛应用。　　 本论文在分析和总结现有运动目标跟踪技术的基础上，提出了一种新的跟踪方法，即基于在线凸优化跟踪方法。基于在线凸优化跟踪方法的主要思想是利用凸优化技术对运动目标进行在线学习和分类，从而不断更新完善运动目标模型，提高对运动目标的识别率。该方法框架由三部分构成，分别是检测模块、跟踪模块和学习模块。检测模块主要任务是在视频图像中搜寻运动目标物体，并提取运动目标的2bitBP特征，不断更新运动目标特征模型;跟踪模块使用均值漂移算法进行运动目标跟踪;学习模块引入凸优化理论，利用在线凸优化进行运动目标的在线分类学习。基于在线凸优化跟踪方法可以长期地跟踪选定的任意单个物体，即便是在运动目标形态改变，被部分遮掩或完全遮掩和移出移入视野的情况下也能跟踪到运动目标。仿真实验结果表明，基于在线凸优化跟踪方法可以在复杂情况下踪到运动目标，与其他方法比较具有跟踪精度和成功率高的优点。