Mean Shift目标跟踪算法具有简单稳定的特性，因此被广泛地应用于目标跟踪实际行动中，但同时也存在一定的局限性，在被跟踪目标和目标所在背景的颜色比较接近、目标正在快速运动或者存在较大比例遮蔽物遮挡目标时，Mean Shift目标跟踪算法由于缺少相应的空间信息，经常导致无法识别相似度量函数，使跟踪任务失败。为了避免这些情况的发生，提高目标跟踪效率，文章根据Mean Shift算法在空间颜色以及相似度量方面的缺陷，提出了Kalman滤波和Mean Shift算法融合的优化目标跟踪方法，即使用Kalman滤波根据目标运动状态确定Mean shift目标跟踪算法的初始跟踪位置，然后搜索邻近区域内的目标位置并建立目标模型，最后根据相似系数匹配确定最终位置，如此迭代，以达到准确跟踪运动目标的目的。