人们的感觉器官能够接收的诸多信息里,动态的视觉信息是信息来源的重要组成部分,而且这些视觉信息也已成为计算机视觉领域的一个重要研究课题。在计算机视觉领域中,运动目标跟踪具有非常重要的科研价值,广泛应用于各个领域,其中包括模式识别、医疗诊断、图像处理、智能视频监控、工业故障检测、自动控制、智能交通等,在军事上的应用,包括视觉引导、机器人视觉导航、安全监控等。这也使得国内外学者致力于运动目标跟踪技术的研究。然而,由于移动物体的光线的变化、遮挡、噪声、相同的颜色和其他不利因素,现有的运动目标跟踪算法在实际应用中所面临的许多问题。因此,研究具有稳定性、通用性和鲁棒性的运动目标跟踪算法,是具有极大挑战性和价值的课题。本文主要对目标跟踪算法进行研究,提出了基于自适应LTP纹理和均值漂移(Mean Shift)的运动目标跟踪方法。首先对当前目标跟踪的研究背景、存在的问题和常用图像处理方法进行讨论,在对视频图像进行采集和预处理的基础上,对光流法、背景差分法及帧差法这三种目前常用的目标检测算法进行了研究,并提出了基于彩色图像融合背景差分和帧间差分的检测算法,实验结果证明,能够准确的检测出运动目标,保留了目标的色彩信息,减少了空洞现象和目标遗留问题,为后续的目标跟踪算法打下良好的基础。由于视频场景往往有较大的变化,如亮度变化很快或含有大量的噪声,传统的均值漂移跟踪算法仅依靠颜色特征很难保证跟踪算法的精度,因此要对均值漂移进行改进,考虑到目标的纹理是一种比较稳定的特征,它不受光照和背景颜色的影响,所以把纹理特征与目标模型进行融合。本文选择用局部三值模式(LTP)建立纹理模型,它方便简单,可以有效地表示目标的纹理特征,由于LTP的计算依赖于一个始终不变的噪声阈值,为了使噪声阈值能够随着图像噪声的变化而相应的变化,本文采用最小平方中值方法来确定噪声阈值,结合为自适应阈值的LTP方法,提高了目标跟踪的鲁棒性。最后,仿真实验表明,该算法平均迭代次数和均方误差都比传统均值偏移算法减少了,并能有效地避免遮挡物和背景干扰,能够准确地跟踪目标。