目标跟踪是指在视频序列中对感兴趣的目标进行有效的跟踪,一直都是计算机视觉领域中的一个典型问题。它在视频监控、智能交通、人机交互以及国防建设等诸多领域都有广泛的应用。在诸多的目标跟踪方法中,均值偏移(Mean Shift)算法是一种基于模板匹配的目标跟踪算法,它的核心思想是将特征的核密度估计漂移到局部极大值点,由于其计算简单、实时性好,对目标变形、部分遮挡具有一定鲁棒性,近年来成为目标跟踪领域的研究热点。本文主要的研究工作包括以下几个方面。①对目标跟踪技术及均值偏移算法的研究现状进行了分析总结。根据对跟踪问题的处理思路不同,将现有的目标跟踪方法分为基于数据驱动的方法和基于模型驱动的方法,并分析了各类算法的优缺点,为今后目标跟踪技术的研究提供了一定的理论支持。②深入研究了均值偏移算法及其在目标跟踪中的应用,对均值偏移目标跟踪算法的性能做了理论分析和实验验证。在跟踪过程中,通过手动方式在视频序列的第一帧中确定目标区域,然后在RGB颜色特征空间中建立目标模型及候选模型,利用Bhattacharyya系数衡量其相似度。以相似性最大为原则,均值偏移算法在后续帧中迭代地搜索出目标的真实位置。最后,选取几个有代表性的视频序列做为实验数据进行了仿真实验。在此基础上对算法的计算复杂度和优缺点进行了分析、总结,并指出了算法未来的主要研究方向。③对均值偏移算法中的窗口带宽选择策略进行了深入研究。在均值偏移目标跟踪算法中,带宽的取值直接关系到参与计算的像素数量和背景噪声混入的程度,而大部分研究人员往往直接按照惯例采用传统的带宽选择策略,很少有人对此问题进行探讨。针对这个问题,本文通过实验分析了不同带宽选择策略对跟踪算法的影响,利用跟踪准确度和时间代价两个性能指标对其进行比较,说明了传统的基于半对角线的带宽选择策略在实际跟踪过程中效果较好。④提出了一种基于相似椭圆的双带宽选择策略,并将其纳入到传统均值偏移目标跟踪算法中。通过构造一个与目标区域内接椭圆的相似椭圆,利用其长轴和短轴确定核函数带宽。该方法提高了窗宽中所包含的目标像素点比例,有效地减小了背景噪声对跟踪算法的影响。仿真实验结果表明,使用本文带宽选择策略的均值偏移跟踪算法,提高了跟踪算法的精度,有效地降低了算法的时间代价。