近些年来,由于计算机视觉技术在人机交互、图像导航制导、城市安全等领域的广泛应用,计算机视觉技术受到了高校有关学者、工程开发人员的极大关注。以准确获取目标物体并能持续的得到目标物体在视频流中的位置为目的的运动目标跟踪检测技术是计算机视觉技术应用到上述领域的基础,也是当前计算机视觉研究领域的热点之一。视频目标跟踪方法可以分为多种,目前使用最多的是MeanShift算法及其相关的改进算法,包括CamShift算法、及其与卡尔曼滤波相结合的改进算法,但是此类算法在针对有大同色背景干扰的情况下,算法并不能准确的对目标物体实现准确。文章针对此类问题提出了一种基于曲线拟合的目标跟踪方法,此方法首先由人工圈出要跟踪的目标物体,然后利用其历史轨迹点数据对其以后几帧的目标位置进行预测,实验证明,利用该方法可以在一定程度上的有效的解决视频目标在跟踪过程中所遇到的复杂背景干扰、目标形状变化、遮挡及计算的有效性问题。所做主要工作如下：首先,简要的介绍了视频跟踪技术研究的意义,并且对前人所做的一些工作包括视频跟踪场景的分类、视频跟踪技术的分类及视频目标跟踪技术的研究现状和研究难点做了一个总结。其次,对于视频目标跟踪的第一步获取目标,文章简要的介绍了几种前景检测的基本方法,及背景建模的方法。并且针对当前使用较为广泛的单高斯背景建模、混合高斯背景建模等方法进行了总结与比较,为下面的算法理论奠定了基础。简要的介绍了基于模板特征的MeanShift跟踪算法及改进的CamShift算法的跟踪原理,验证了其在一定场景下对目标跟踪的无效性。最后,针对以模板匹配为基础的视频目标跟踪算法存在的计算量大及模板漂移的问题,在摄像机固定、目标运动的场景下,根据物体运动在短时间内所具有的空间连续性的特性,提出了一种基于曲线拟合的目标跟踪方法。首先在要跟踪的视频帧上圈出包含目标物的最小闭包矩形,并以此闭包矩形的中心点作为拟合点,对质心的运动轨迹的进行方程拟合,以最小闭包矩形的质心位置及大小为基础,结合运动轨迹方程,预测目标物在下一帧前景图像中可能出现的区域块(ROI区域)位置,若能在此区域内找到满足阈值要求的质心点,则认为此质心点为目标物质心的实际坐标值并以此坐标对拟合点进行更新,否则,则利用拟合点估计目标物质心点的坐标值并以此估计值更新拟合点坐标。无论是用实际坐标值更新拟合点还是用估计值更新拟合点,在处理下一帧图像时,都应该按照一定的速率更新ROI区域的大小以提高目标跟踪的准确性。实验表明,该方法在一定的场景下可以准确、有效的实现对目标物的跟踪。与一些经典的跟踪算法的对比实验显示了该算法在一定场景下跟踪物体的准确性与有效性。