在互联网日益发达,智能设备越发普及的21世纪,目标跟踪技术作为计算机视觉中的重要领域,其重要性也越来越凸显。目标跟踪技术无论在民用领域还是军事领域,都得到了越来越广泛的应用。研究人员在该领域也进行了不懈的探索,提出了许多目标跟踪算法。不过在实际的应用中,还存在着许多问题,例如在光照变化,环境复杂,目标发生形变,目标被遮挡等许多情况下,目标跟踪算法的效果还不尽如人意。本文在Mean Shift算法框架的基础上,对目标跟踪算法进行了研究,针对跟踪过程中的颜色干扰、目标速度过快、遮挡等问题在算法上进行了改进,主要工作如下:(1)在Mean Shift算法的框架下,颜色特征是对目标建模时最常使用的特征,而当背景颜色与目标颜色相似的时候,会导致跟踪发生漂移。本文在Mean Shift算法的框架下引入了背景区分权值函数,通过分别计算外景区域与内景区域的颜色分布概率,通过一定的机制给不同区间的颜色特征赋予不同的权值,目标本身的颜色区间会得到更大的权值,而不属于目标的颜色特征则会被抑制,从而有效的将目标从背景中区分开来。(2)由于MeanShift算法的本质是一种区域相似度对比的算法,跟踪目标的原理是在局部区间内搜寻概率密度最大的方向,当被跟踪目标运动速度过快导致相邻两帧图像没有重叠区域的时候,跟踪窗口会丢失目标。将卡尔曼滤波的方法引入到Mean Shift算法中,可以实现对目标运动轨迹的预测,有效解决了快速运动目标跟丢的问题。(3)在目标受遮挡的情况下,将目标模板分块进行分步跟踪。引入非对称核函数,使得远离遮挡区域的像素得到更高的权值,在此基础上使用MeanShift算法得到目标初步的位置,再通过分割子块对目标进行更精确的定位。实验结果表明,本文提出的算法在解决上述问题时效果良好,鲁棒性与实时性都得到了较好的保证。