目标跟踪技术是计算机视觉领域的研究热点之一,在实际生产生活中存在可观的应用前景,例如监控的智能报警和目标自动跟踪、无人机的目标自动跟踪、医学上的显微镜下的运动细胞的自动跟踪等。目标跟踪的目的是获取视频中目标位置,但是由于遮挡、光照变化和尺度变化等带来的干扰,导致获取目标位置存在挑战,面对挑战,很多学者提出了大量的跟踪算法,这些算法主要分为生成式和判别式两类。本文首先梳理了卡尔曼滤波算法、均值偏移算法、粒子滤波算法和光流法等四种生成式跟踪算法,并针对均值偏移算法在遮挡情况下存在目标丢失的问题提出了改进方法,当发生遮挡时,采用帧差法对目标进行检测,从而在目标出现后能够重新定位目标,实现目标出现后的跟踪,实验证明目标出现后改进算法能够成功跟踪目标。之后在对判别式跟踪算法的研究中,选取了核相关滤波算法作为研究对象,并针对该算法尺度不变、特征单一和模板更新三方面提出改进算法,实验证明改进算法相比较核相关滤波算法的计算精度是有所提高的,但是计算速度下降了较多。最后将两种类型的跟踪算法在OTB50视频数据集中进行综合测试比较,实验结果表明判别式跟踪算法在跟踪速度和精度上都超过了传统的生成式的跟踪算法,但是判别式跟踪方法为了获得更高精度,将会损失一定的跟踪速度。