基于视频的运动目标跟踪长期以来都是计算机视觉、图像处理和模式识别领域中一个非常重要和活跃的研究课题。近年来,它的一个主要应用方面就是视频监控系统。在视频监控系统中,应用的场合不同、监测目的不同、摄像机视角定位的不同都会对目标跟踪方法的选择产生巨大影响。远视角的固定摄像机,以人为主的目标跟踪是视频监控系统中经常存在的情况,因此对其研究具有一定实用性。在摄像机固定且远视角的情况下,运动区域通过利用基于混合高斯模型的背景减除法来获得,并从中提取在HSV色彩空间描述的颜色分布特征作为目标特征模板,用于目标的搜索匹配。在多运动目标的监控视频中,常有目标互相遮挡的情况发生,目标遮挡和未遮挡的情况可以通过对目标活动状态进行预测、分类加以区分。根据目标运动的规律,视频中目标活动状态可以归类为六种:新目标状态、单独运动状态、异常单独运动状态、遮挡运动状态、静止状态和离开状态。目标在下一时刻的遮挡或分离情况可以利用卡尔曼滤波器对目标运动估计的结果进行预测。在目标的活动状态确定之后,不同状态的目标采用对应的定位和模板更新策略,从而实现目标跟踪。为了对算法在各种目标运动情况下的跟踪效果进行验证,实地采集视频进行跟踪测试。实验证明了算法在固定摄像机远视角的视频中跟踪的有效性。