运动目标跟踪是计算机视觉处理中的一个热点，有着非常广泛的应用前景；同时视觉环境的多样性和复杂性使其成为图像处理领域的难点。本文以均值平移算法为核心算法，并针对其固有缺陷作了较好的改进，实现了复杂背景下的目标跟踪。　　 均值平移算法以核函数加权下的灰度直方图描述目标特征，当目标灰度和背景灰度相近时，可能导致跟踪失败，为此提出了一种基于直方图特征融合的均值平移目标跟踪方法；针对传统均值平移算法不能自适应于目标尺度的变化，结合尺度空间信息量度量方法和均值平移算法，较好的解决了目标尺寸变大或变小时的目标跟踪问题。　　 利用Kalman滤波器的预测功能，对目标的状态进行有效预测，以Kalman预测结果作为均值平移搜索的起始点，经过若干次匹配便可得到目标的准确位置，提高了算法的运算速度。另外，通过kalman滤波残差的大小对目标是否发生遮挡进行判断，当目标发生遮挡时，kalman滤波器停止工作，根据运动系统参数的估计值通过状态方程对目标后续状态进行估计，等待目标的再次出现，避免了目标被大比例遮挡带来的跟踪任务的失败。　　 本文搭建了实时运动目标跟踪实验平台，实现了视频图像采集和视频显示等功能。并且在实验平台上实现了基于传统均值平移算法的目标跟踪，在多次实验调试下，得到了较好的跟踪效果。