目标跟踪技术作为当今计算机视觉领域的主要研究内容之一，已经广泛应用于社会的各个领域。但一套非常有效的实时目标跟踪系统仍然是众多专家学者们追求的目标，不过由于实际应用中的复杂性使得目标跟踪的准确性和实时性仍然是一项极大的挑战。本文主要对Mean-Shift跟踪算法和粒子滤波跟踪算法进行分析研究，其中Mean-Shift算法是一种基于核密度梯度的无参密度估计方法，其运算速度较快，但容易收敛于局部极值点，故在背景干扰情况下不能有效地进行跟踪，且容易因目标和背景颜色相近而导致跟踪丢失，为了解决这些问题，本文使用目标分块并加权的方法来对其进行改进，使其有很好的跟踪效果。粒子滤波算法是解决非线性、非高斯模型最成功的方法之一，但其因粒子退化现象需要重采样而造成计算量大难以满足跟踪的实时性，因此本文利用Mean-Shift算法计算简单、速度较快的优点，将Mean-Shift一步迭代嵌入粒子滤波算法来对其进行改善。为了在实际应用中有更好的跟踪效果，本文最后结合两种算法的优点提出一种基于Mean-Shift算法和粒子滤波算法相结合的跟踪算法来完成目标跟踪，实验结果表明该算法具有良好的准确性、鲁棒性和实时性。