动态目标的跟踪是现行视觉处理中的一个热点和难点，其广泛的应用前景和视觉效果的重要意义使其成为图像处理领域的重要课题；同时视觉环境的多样性和复杂性则是稳定有效地完成跟踪任务的难点。本文采用MeanShift算法并结合Kalman滤波器，能够稳健实时地实现目标跟踪。从简单背景、低速运动到复杂背景、高速运动，视觉处理领域的跟踪算法非常之多。基于核密度估计的MeanShift匹配算法，以图像直方图分布作为匹配跟踪的依据，对目标的外形和尺寸不敏感，具有快速、稳定、有效的优点。文中以MeanShift为核心算法，实现复杂背景下的目标跟踪，并利用Kalman滤波器完成目标位置的预测及目标模板的及时更新，提高了算法的稳健性。由于MeanShift算法需要对图像进行穷举匹配，并且难以跟踪快速运动的目标。而利用Kalman滤波器可以对目标的状态进行有效预测，减少匹配运算次数。因此以Kalman预测结果作为MeanShift匹配算法的起始点，经过若干次匹配便可得到目标的精确位置，且快速运动目标的跟踪效果也得到改善。即使在目标被完全遮挡的情况下，以预测结果作为目标位置等待目标的再次出现。在一定的匹配准则下，建立自适应Kalman滤波器组对目标模板进行及时更新，避免了由于跟踪环境的改变带来的跟踪任务的失败。本文利用LabVIEW软件编程环境实现MeanShift与Kalman滤波器结合的跟踪算法，在多次实验调试下，很好地完成了复杂背景下的目标跟踪任务，得到了很好的实验效果，并给出了跟踪效果图和算法分析。