随着计算机和信息传输技术的发展,人们利用工具智能化处理生活中问题的需求日益强烈。大量的数据和视频采集设备被应用到日常生活的各个领域,如何处理采集到的视频数据逐渐成为研究热点,视频跟踪作为计算机视觉的一个重要分支被越来越多的国内外研究机构所重视,解决好视频跟踪这个基本任务才能更好地完成其他智能化的研究,研究视频跟踪技术具有很高的使用价值和现实意义。当前,视频监控系统被广泛的应用于交通、安保及军事等各个领域。视频跟踪作为视频监控系统的核心,融合了图像处理、模式识别、人工智能、自动控制、计算机等多种不同领域的理论和技术。视频跟踪课题的研究不仅能够提高视频监控系统的智能化,也可以突破许多其他相关领域的瓶颈。现有的视频跟踪算法大多数是基于目标特征进行目标跟踪,基本上实现可靠跟踪,但是跟踪算法的复杂度、鲁棒性仍是亟待解决的问题。物体运动轨迹的突然改变、背景色差的变化、目标尺寸的改变、非刚性结构物体、光照变化、目标和背景的遮挡等问题都是视频跟踪算法设计过程中需要考虑的因素。近年来,经典的Mean-Shift目标跟踪算法因其复杂度低、鲁棒性好被广泛应用,但其在一些方面还存在不足,例如不能准确跟踪快速移动目标,不能尺度自适应。本论文就此进行了一些研究,首先介绍了视频跟踪算法及其研究进展,然后从三个方向展开工作：其一,帧差法提取目标改进研究：首先对帧差法进行简单的介绍,然后给出利用帧差法提取跟踪目标的仿真实验结果,指出其在目标提取时存在的问题：易出现空洞和断裂的现象导致无法有效的提取目标,并由此提出利用多次膨胀腐蚀来解决该问题,并利用仿真实验对采用不同次数膨胀腐蚀的算法进行性能对比,经过综合分析得出最佳的膨胀腐蚀次数。其二,Mean-shift算法改进研究：首先对目标提取和mean-shift算法进行简单介绍,然后给出该算法跟踪非匀速快速运动目标的仿真结果,由此引出mean-shift算法在此种应用中存在的不足之处：对快速运动的目标跟踪效果差,并据此提出使用配准两帧的角点特征或surf特征来进行匹配,修正mean-shift的算法的初始迭代点,并且会比较两个特征在算法改进方面的优缺点,比如时间,配准效率等。从而找到合适的特征可以使得初始迭代点能够通过迭代向最终的目标移动。其三,尺度自适应问题研究：首先给出mean-shift算法在跟踪连续的视频图像序列中尺寸发生变化物体的应用实例,然后分析研究其跟踪仿真实验结果,指出其存在的问题。由此提出配准目标的角点特征或者surf特征,通过仿射变换和斜率来去除错误配准点,最后根据配准出的特征点向量来计算距离比例以确定在下一帧的带宽是增加10%增量还是减少10%增量。最后通过仿真实验与其他相关实验进行对比验证,证明改进后的算法在视频跟踪中取得了良好效果。