基于视频的动态目标跟踪是计算机视觉领域的一个研究热点,在公共安全、军事制导、交通监控等方面得到了越来越广泛的应用。动态目标跟踪算法的性能对跟踪效果有着直接影响,精确度高、鲁棒性好的跟踪算法一直是计算机视觉领域所研究的关键问题之一。本文首先介绍了当前比较常用的基于视频的动态目标跟踪算法,给出了这些算法的基本原理以及优缺点,然后本文着重研究了近年来在动态目标跟踪领域比较流行的Mean Shift算法的基本理论以及在目标跟踪领域中的应用。针对采用单一颜色特征来描述被跟踪目标的Mean Shift算法容易受复杂环境如光照变化、相似背景干扰等影响,本文提出一种基于多特征融合的Mean Shift跟踪算法,将局部二值模式(LBP)纹理特征与颜色特征相结合来对动态目标进行描述,提高了Mean Shift跟踪算法的鲁棒性。针对传统Mean Shift算法对高速运动的动态目标无法进行有效跟踪的问题,本文提出一种基于Mean Shift和粒子滤波算法的高速运动目标跟踪算法。首先提出一种基于多特征融合的粒子滤波算法,提高了粒子滤波跟踪算法的跟踪准确性,以便更加有效的粗定位动态目标的位置,然后通过改进的Mean Shift算法对目标进行精确定位,从而达到跟踪高速运动目标的目的。最后本文对基于多特征融合的Mean Shift算法进行了系统设计及实现,依托于德州仪器(TI)公司的达芬奇系列的TMS320DM6467芯片搭建了动态目标跟踪系统。