在当今计算机视觉领域中，随着计算机技术带来的技术改革，已经有越来越多的研究者加入到该领域的研究中，在该领域中的目标跟踪和行为理解已经成为了现下热门的研究课题，有很多的研究者已经做了许多尝试性的研究，也取得了很多研究成果。在本文中，主要讨论了SURF（Speeded Up RobustFeatures）算法在运动目标跟踪中的应用以及研究，然后针对本文所要研究的行为理解，也在设定了目标的特定运动背景的条件下，做了一些相关的研究。针对目标跟踪，本文借助的是SURF算法在其上的研究，但由于该算法本身存在着一些缺陷，例如积分图像计算的时间太长、匹配过程时间太长且准确度不高等。针对此缺陷，本文对SURF算法做了一些改进，主要就是针对积分图像算法以及匹配过程的改进，然后再利用尺度限制算法来剔除SURF算法粗匹配后的误匹配点，最后完成整个匹配过程，而且运动目标跟踪过程中的实时性和高效性也得到了更好的保障。对于行为理解，本文设定的特定场景是繁华的交通十字路口，针对该场景，本文制定了运动车辆的行为描述以及行为理解规则，分别为左拐、右拐、直走和掉头。最后通过实验得出，本论文改进后的SURF算法在目标跟踪中达到了更好的准确性及实时性，对运动车辆行为的理解也取得了很好的效果。