视频运动跟踪能够自动地检测到目标物体并对运动目标进行准确跟踪,其应用领域越来越广泛,比如交通监控、影视动画、军事定位等。而基于视频的增强现实AR技术通常需将虚拟物体注册到实时跟踪的目标对象上。但是增强现实的应用还没有普及且其设备成本较高。因此,研究运动跟踪技术及其在增强现实中的应用已成为一项重要的研究课题。本文首先对现有的目标跟踪技术进行了研究和分析,并详细介绍了均值漂移算法的原理及步骤。对于均值漂移算法无法自动识别跟踪对象及目标尺度变化造成跟踪准确度降低问题,提出了两种改进的方法,主要研究工作如下：1.针对均值漂移算法对视频流首帧无法自动检测目标对象的问题,提出一种基于优化加权参数的AdaBoost目标检测算法。该算法首先通过改变弱分类器加权参数求解公式的方法,保证了低误警率和低误检率,其次应用特征值曲线自适应得到双阈值,构造双阈值弱分类器并集成为一强分类器。最后,采用强分类器对视频帧中目标对象进行检测。实验结果表明,该方法不仅有效地提高了检测精度,而且训练及检测时间也有明显改进。2.针对目标对象尺度变化、目标与背景颜色信息相似造成均值漂移算法跟踪准确度下降问题,改进了一种基于SIFT特征的Mean-Shift目标跟踪算法。对于SIFT提取特征所耗时间较大的问题,采用将SURF特征加权到目标模型的概率密度估计中。然后,算法运用EM算法来迭代求解Mean-Shift向量,实现目标的跟踪。实验结果表明,改进方法有效地解决了目标尺度变化、颜色空间相似性、光照及旋转的问题。3.在检测与跟踪的基础上,实现了从检测到最后增强现实的一个过程。在首帧对目标对象进行正确检测后采用图像插值的方法将缩放或放大的2D模型加载到目标对象上然后,在后续帧的目标跟踪同时,采用改进的ASM算法对目标轮廓进行准确定位并更新2D模型到新的位置,从而实现了增强现实过程。