视频序列中运动目标检测与跟踪技术是计算机视觉领域中研究的一个热点,在民用和军事上都具有广泛的应用,比如机器人视觉、可视预警、机器导航、交通管理、医学诊断以及智能监控等。视频跟踪的研究具有重要的实际意义和理论价值。到目前为止该课题仍然是一个难题,尤其在复杂的场景下进行跟踪,比如跟踪的运动目标发生形变、光照变化、背景干扰、遮挡等问题。本文从这些问题出发,主要完成了以下工作:首先从视频跟踪的两个方面目标检测和跟踪出发,分析了常用的算法以及简单的理论知识。然后介绍了几种常用的目标特征提取和匹配算法,重点研究了颜色直方图的特征提取,在此基础上提出了二维直方图特征提取。分析了Mean Shift算法和CamShift算法的原理,并把二维直方图应用在CamShift算法中。通过实验证明改进的CamShift算法在目标旋转、光照变化、部分遮挡而且背景颜色特征和目标颜色特征相似的情况下跟踪效果比传统的算法有所改进。最后论文提出了利用Kalman滤波器来对目标进行预测估计来解决完全遮挡这一问题。此算法通过Kalman滤波预测目标在当前帧的可能出现的位置然后利用改进的CamShift算法来进行跟踪。实验证明,Kalman滤波与改进的CamShift算法的结合对于目标被完全遮挡情况下的跟踪效果较好,并且该算法对于运动目标长时间的停留和速度快速变化情况下的跟踪都有很好的实用性。进一步提高了复杂背景下视频跟踪的鲁棒性、精确性和稳定性。