目标跟踪一直是计算机视觉研究领域的热点问题,其应用领域有视频监控、人机用户接口、虚拟现实等等。视觉跟踪要求在光照变化、遮挡等各种因素的干扰下,能准确有效地跟踪不同背景条件下的目标,如何对视频序列中的目标进行稳健、有效跟踪一直是目标跟踪的研究重点。基于目标颜色直方图来对目标进行跟踪的Mean Shift算法,因方法简洁、实时性好、能处理目标变形以及部分遮挡等困难情形,而得到了广泛的运用。传统的Mean Shift跟踪算法以颜色直方图为特征对目标进行跟踪,颜色直方图具有旋转不变性,缩放不变性等优点,但它不能反映颜色的空间分布特征。本文针对传统颜色直方图存在的缺点,提出了—基于空间颜色直方图模型。在此基础上,对传统Mean Shift视频跟踪算法进行改进：以空间颜色直方图代替传统颜色直方图作为Mean Shift视频跟踪算法的跟踪特征。实验表明,相比传统Mean Shift算法,新算法在满足实时性的同时能更好地跟踪目标。自动选择跟踪窗尺度的Mean Shift算法,利用图像的信息量和图像尺度之间的关系,在跟踪过程中动态地调整跟踪窗口的大小,但是该算法计算图像信息量时没有考虑不同位置的特征点的置信度。距离跟踪窗口越近的特征点越能反映跟踪目标的特征,而距离跟踪窗口较远的特征点有可能是背景区域的特征点,即边缘特征点和中心特征点的置信度是不一样的。本文对该算法进行了改进,加入核函数作为权值函数,减少窗口边缘特征点对信息量大小的影响,实验表明改进之后的算法跟踪窗口的尺度大小较原算法更加准确。