目前,视频监控系统在各行各业处处可见,在智能机器人、自动化工厂和军事安全等领域中得到了广泛应用。这些技术都具有很大的科学研究价值和实际应用前景,而跟踪技术的研究是实现这些的基础,所以目标跟踪算法成为国内外学者研究的重点。本论文主要实现存在遮挡、复杂背景中特定物体的跟踪。本文首先对经典的跟踪算法进行研究,并对其优点及缺点进行分析,找到经典跟踪算法的不足并进行优化。随后进行理论分析和仿真实验,实验验证改进算法在运动目标跟踪方面的各方面性能。本论文采用局部特征来表示跟踪目标。Shape Context是局部特征中的一种经典特征,该特征能够表示目标区域内的形状特征。在选取的跟踪区域中,得到目标的轮廓信息和特征,根据采样点之间位置和距离关系建立Shape Context直方图,得到该点的Shape Context直方图,在得到全部点的直方图后统计落入不同区域的数量,从而得到该目标的Shape Context直方图,最后根据Mean Shift算法跟踪目标的位置。采用基于Shape Context特征的Mean Shift目标跟踪算法,能够很好的解决基于颜色特征实现Mean Shift目标跟踪中不能正确处理光变化、被遮挡等情况而不能实现跟踪的问题,这是主要因为Shape Context特征利用的是目标的轮廓采样点数据,就可以有效的解决局部遮挡等难点,另外Shape Context特征是通过提取轮廓采样点得到,这样对于光照的影响就可以忽略。最后经过四组实验仿真证明本文的跟踪算法在实时性、遮挡及存在颜色和形态相似干扰的情况下仍能够实现良好的跟踪。在论文最后提出对基于Shape Context特征的Mean Shift目标跟踪的改进算法。这种改进主要是更新策略和减小背景干扰。由于我们需要检测的目标,主要以被跟踪目标为主,背景颜色信息很少,我们通过目标区域的颜色直方图,计算各像素点出现概率,将低概率点用周围像素的平均值代替,降低背景对提取轮廓的影响。最后经过三组实验仿真证明,改进的特定目标跟踪系统针对此目标的发生大的形变、复杂背景和移动背景等情况效果明显。本文通过对目标检测与跟踪系统的算法改进,可以对智能视频监控领域的研究提供理论支持和参考依据。