自从20世纪以来,电子计算机在生活中所扮演的角色显得愈加重要,智能化在不断改变人类的日常生活。在智能化领域中,比如交通部门的车辆监控、超市的监控、军事跟踪等等都需要智能化的视频监控。由于它的利用价值高,视频跟踪成为了一个国内外研究的热门课题。目前视频跟踪是国内外研究的一个热门课题,该课题涉及多门学科,例如数学概率论,数字图像处理,视频编解码等。它既能推动监控领域理论的进一步发展,又在日常生活与安全监控领域的有广阔应用,可谓同时具备学术和实用价值。视频跟踪课题发展至今,它的应用主要包括摄像头的固定以及非固定的两种情况。所以目前视频跟踪的算法也主要是基于两个方面：1.静态背景下的视频跟踪。2.动态背景下的目标跟踪,它与前者主要不同的地方就在于它的背景是在变化的,并不是跟静态背景一样一成不变的。当在静态背景情况下进行目标跟踪时,只要实时的更新不同时刻的静态背景,然后再用当前帧减去背景图像即可提出被跟踪的目标。但是对于第二种情况,即动态背景下的目标跟踪,由于摄像头的转动,使得背景在不同时刻都在改变,所以背景帧差法用在这种情况时必定会跟踪失败。因此国内外学者把这种情况当成视频跟踪的主要研究方向。在动态背景跟踪方面出现了许多优秀的算法,比如粒子滤波、基于块匹配的方法等。但是由于它们的实时性差,所以不适用于需求实时性的场合中。在2003年,Comaniciu等学者提出的mean-shift算法因其复杂度低、鲁棒性强,它的实时优于其他算法,并且该算法适用于动态背景从而得以广泛应用。所以本文着重对此算法进行研究,并且根据课题要求侧重研究mean-shift跟踪算法以及改进该算法的两点不足：第一点,该算法不适用于跟踪快速的运动目标。第二点,该算法不能实时根据运动目标的尺度改变自己的带宽。对于上述缺点中的第一点,在本文中,提出利用简化的sift和仿射变换,求出最佳仿射矩阵参数。以此矩阵参数来求出上一帧运动目标的中心在下一帧的仿射位置,以此点来进行迭代,可以有效使得初始迭代点所在的带宽区域包含更多的运动目标。对于第二点,本文提出利用仿射变换阈值检验法,求出最佳的三对sift特征点。利用这三对配准点求出距离比例,以此距离比例当做缩放系数实现目标的带宽自适应。为了验证这两点,本文最后通过实验仿真来证明上述两点。