近年来,随着人口红利的逐渐消失和公共安全问题的日益突出,智能监控技术的发展可以提高效率、减少劳动力,提高社会信息化、智能化水平,具有重要的社会意义和经济意义。而目标跟踪技术则是智能视频监控的关键技术,是目标识别以及视频内容理解等的前提。目标跟踪在视频监控、智能人机交互、机器人视觉导航、智能交通以及行为分析等方面有着广泛的应用。然而目前的跟踪算法基本上仅仅根据目标的图像特征,例如灰度、颜色等,以及目标的历史数据来进行跟踪,而忽略了行人所处环境对行人运动的影响。针对这一问题,并提高目标跟踪的准确性、实时性和智能化,提出结合个体间作用关系的智能行人跟踪算法,将改进的社会力模型应用在行人跟踪问题上,更准确、智能的预测目标,并融合Mean shift算法优化跟踪效果。主要的研究内容如下:(1)分析行人运动规律,利用社会力模型对行人所处环境中个体间作用关系进行建模,以力的形式来表现环境对行人运动轨迹的影响。(2)根据行人跟踪特点,引入方向权重和速度权重调整社会力在不同视角和相对速度情况下的大小。(3)利用牛顿运动学原理,根据智能跟踪模型预测行人轨迹,融合Mean shift跟踪算法提高跟踪性能。实验结果表明,该算法对目标快速移动、变向以及目标存在遮挡的情况可以实现快速稳定跟踪。算法具有很好的鲁棒性,并且与传统Mean shift跟踪算法和结合最小二乘法、Kalman滤波算法的Mean shift跟踪算法相比,在速度上本文算法平均提高了62.7%、35.9%和61.5%。