视频目标跟踪技术自动检测和跟踪视频序列中的目标，估计目标的运动参数和运动状态。其在视频分析与理解、友好人机交互、生物特征识别和视频会议等领域中应用广泛。均值移动算法是一种常用的视频目标跟踪算法，其原理简单，实时性能优越。本文主要在跟踪特征、候选目标模型处理、权值计算和算法跟踪框架的统一等方面对均值移动算法进行了改进。　　 论文的主要工作包括：　　 (1)、给出一种以核共生矩阵为跟踪特征的均值移动跟踪算法。视频目标跟踪中的颜色特征易受环境光照、视角和摄像机参数等因素的影响。本文根据灰度共生矩阵的思想构造了核共生矩阵来描述目标模型和候选目标的纹理特征，并在此基础上提出了一种基于核共生矩阵的均值移动跟踪算法。存算法的实现过程中做了一些改进工作：构造核共生矩阵时对相反方向上的像素加以区分，从而更好地刻画目标的不对称特性；将目标模型和候选目标的核共生矩阵规整剑同一个比较大的常数，以提高计算精度；对各像素的权值计算公式进行修正以提高算法速度。真实场景跟踪实验表明，在光照较暗、照度变化和存在部分遮挡等条件下，论文所提算法仍能有效地跟踪目标。　　 (2)、给出一种基于直方图平滑处理和新型相似性度量函数的小尺寸目标跟踪算法。小尺寸目标跟踪是视频目标跟踪中的难题。论文分析了基于均值移动的小尺寸目标跟踪算法的两个主要难题：算法跟踪中断和丢失跟踪口标。论文在这两个方面对小尺寸目标跟踪算法进行改进。给出了一种新的直主图单元编号方法，使包含目标颜色分量的直方图单元分布得更为集中紧凑。当候选目标与目标模型不匹配时，给出一种平滑算法来处理候选目标的直方图。论文提出一种新的相似性度量函数，推导了相应的像素权值计算公式，在此基础上建立了基于均值移动的小尺寸目标跟踪算法。多段真实场景视频序列的跟踪实验表明，本文提出的算法可以有效地跟踪小尺寸目标，跟踪精度也有一定提高。　　 (3)、研究了基于直方图插值处理和新型权值计算的均值移动小尺寸目标跟踪算法。论文介绍了小尺寸目标跟踪算法的研究现状。针对均值移动小尺寸目标跟踪算法存在的难题，本文给出了相应的解决方法。对传统Parzen窗密度估计法加以改进，并用于对候选目标区域的直方图进行插值处理，较好地解决了算法跟踪中断问题。论文采用Kullback-Leibler距离作为目标模型和候选目标之间的相似性度量函数，并推导了其相应的新型权值和位置达代更新计算公式，提高了算法的跟踪精度。多段视频序列的跟踪实验结果表明，本文提出的算法可以有效地跟踪小尺寸同标，能够成功跟踪只有6×12像素的小尺寸日标，而且跟踪得更加准确。　　 (4)、提出广义均值移动跟踪算法，将CAMSHIFT算法和Comaniciu/Meer算法纳入到同一框架中。CAMSHIFT算法和Comaniciu/Meer算法是均值移动在视频目标跟踪中最为通用的两个基本算法。本文对Bradski和Comaniciu/Meer等人的工作加以推广，给出了广义均值移动跟踪算法。算法采用一个一般形式的相似性度量函数，并在其基础上推导了搜索窗口的新位置迭代公式。新算法基于搜索窗内各像素的权值的零阶矩来计算更新其窗口尺寸。然后论文证明现有的两种基本算法都可以纳入到广义均值移动跟踪算法的框架中。对多段视频序列的跟踪实验结果分析比较了统一框架中三种均值移动算法的跟踪性能。