目标跟踪是当今计算机视觉领域中最重要的研究课题之一,在公共安全、医疗诊断、数字多媒体和人机交互等领域中得到了广泛的应用。到目前为止,目标跟踪技术研究中仍存在许多难点亟待解决,如目标外形与场景的变化、目标遮挡以及摄像机移动等都可能导致目标跟踪失败。因此,对目标跟踪的继续研究仍具有重要意义。多算法融合与对单一算法的改进能有效提高算法的稳定性与实时性等性能,是当前目标跟踪研究的热点之一。本文在对前人研究成果的调研与实验的基础上,提出了一种自适应目标跟踪算法,并实现了一个基于本文算法的智能视频监控系统目标跟踪模块。本文主要完成的工作如下：1.研究了已有的多种目标跟踪算法：Meanshift目标跟踪算法、基于粒子滤波的目标跟踪算法和基于融合粒子滤波与Meanshift的目标跟踪算法。对以上几种算法的基础理论进行了详细的阐述,并分别给出了算法的实现框架；在多个图像与视频序列上的实验结果基础上,讨论了各算法的优缺点。2.提出了一种基于双向二维主成分分析(Bi-2DPCA)的目标跟踪算法。采用双向二维主成分分析作为目标表示的方法建立目标图像子空间。引入了一种基于图像匹配程度的自适应增量因子,并将其应用于所提跟踪算法的图像均值与协方差矩阵的更新计算中：在多个目标变化剧烈,同时含有动态背景的图像序列上进行了验证性实验与对比实验,结果表明本文所提出的目标跟踪算法不仅能准确稳定地跟踪普通的运动目标,甚至在发生部分遮挡时也能准确跟踪目标,对比实验结果表明,本算法在效率上优于二维主成分分析算法。3.设计并实现了基于融合粒子滤波与均值滤波算法的智能视频监控系统中的目标区域团块标定与目标跟踪模块；提出了一种基于前四关键像素的快速目标区域团块标定算法,减少了系统的计算开支；设计并实现了一种团块标定与目标跟踪算法相结合的目标跟踪模块逻辑,增强了系统的实时性、稳定性与可用性。