近年来，在军事防空监控，交通实时监督，智能机器人，医疗设施等许多领域中，视频监控系统与技术得到广泛的应用，而目标跟踪是视频监控技术中需要研究的重要内容。由于受到光照变化、噪声、遮挡、同色等诸多因素的影响，现有的目标跟踪方法还存在许多问题，因此，研究和设计有效的目标跟踪方法具有重要意义。　　本文研究了均值偏移(Mean-shift)算法、连续自适应均值偏移(Cam-shift)算法等目标跟踪算法，对目标跟踪算法中的尺度不变特征转换(SIFT)算法，SURF算法，Canny算法等特征提取算法进行了分析。针对Cam-shift在目标运动过快或有物体遮掩的情况下目标跟踪效果不理想的缺陷，结合SURF算法良好的特征点匹配性和卡尔曼滤波的预测特性，提出一种基于SURF特征匹配与卡尔曼滤波的Cam-shift目标跟踪改进算法。通过给定判断目标位置的阈值，利用MATLAB进行仿真分析。仿真结果表明，该改进算法目标位置判断的准确性在目标运动过快时，比Bradski提出的Cam-shift算法偏差平均降低5个像素，而在有遮掩物时，比Bradski提出的Cam-shift偏差平均降低4个像素。　　针对传统Canny算法阈值选取困难的问题，采用梯度值双峰法得到图像目标前后背景两个区域，再通过迭代获得图像最佳阈值，提出了一种自适应阈值Canny改进算法。另外通过改进的Canny算子提取当前帧的边缘轮廓，获得被估计块的特征点分布直方图，采用传统菱形块匹配运动估计法匹配两帧特征点直方图距离，对所有视频帧进行特征配准和目标跟踪，提出了一种基于Canny特征点直方图匹配的目标跟踪改进算法。MATLAB仿真结果表明，与手动设置阈值所得到的边缘相比，本文提出的自适应Canny算法比提前设置阈值的Canny算法所求得边缘置信度平均高25％。基于Canny特征点直方图的目标跟踪算法每帧目标位置的平均误差小于10个像素点。