随着计算机技术和图像处理技术的发展，作为计算机视觉领域中的运动目标跟踪技术已成为该领域的研究热点，目标跟踪技术在智能交通、安全监控、机器人视觉导航、医学领域和军事制导等方面已都得到了广泛的应用。由于现实中的场景环境往往是很复杂的，在复杂场景中当运动目标快速移动、遮挡、形变、光线变化、背景相似及有实时性要求等条件下也能实现对运动目标稳健的跟踪是目前学术研究的热点，也是当前在实际应用过程中一个亟需解决的难题。对目标跟踪过程中跟踪算法的研究，目前许多学者很少注重跟踪前期的图像预处理阶段，视频图像的前期处理对目标的后期跟踪也非常重要。本文在图像预处理阶段，首先对视频图像进行了噪声滤波和增强处理，紧接着设计一种基于HSV颜色模型的彩色图像增强算法，该算法能很好凸显出图像的特征信息，便于对目标的前景和背景的检测。针对背景差分目标检测算法存在的问题，对其进行了分析和研究，以使得更能准确地检测提取出运动目标。本文重点对复杂场景中运动目标跟踪算法存在的问题进行了研究和改进，首先对Mean Shift目标跟踪算法进行了深入分析。针对该算法存在当运动目标尺寸发生变化时因跟踪框固定而导致跟踪误差甚至跟踪目标的丢失等缺点，利用对运动目标的带宽的调整，提出了一种处理目标自适应尺度变化的均值漂移改进算法，该算法在目标运动过程中可以实时的跟踪目标的尺寸产生变化而调整跟踪框，可以准确的锁定运动目标，减少跟踪误差。其次为了解决复杂场景中目标运动的遮挡问题，研究了基于Kalman滤波器的运动目标预测问题。针对经典Mean Shift算法在对目标被遮挡时进行跟踪过程中缺乏模板更新机制，设计了一种融合Mean Shift和Kalman滤波器的抗遮挡运动目标跟踪算法，在该算法中利用Bhattacharyya系数值的变化来判断遮挡情况的发生和遮挡情况的结束。改进后的算法由于加入了目标模板更新机制，所以能够更准确的描述目标特征，提高了算法的精度和效率。最后，为了进一步验证本文所设计的跟踪算法的可靠性，本文在Visual C++6.0开发平台环境上，结合OpenCV视觉库对目标跟踪软件系统中各个模块进行了设计，对目标跟踪算法进行了软件实现，并通过实验测试了该系统的可行性，同时也对本文所设计的算法进行了进一步的验证。