目标跟踪是计算机视觉领域中一个具有挑战性的研究课题,研究者们对该课题做了大量研究并取得了许多成果。其中,均值漂移跟踪算法因其高效性、简便性等优点被广泛应用。但传统的均值漂移跟踪算法在实际运用中也遇到以下问题：背景信息对目标定位的影响、背景模型的建立和更新策略、颜色特征容易受光照变化影响。为了解决均值漂移跟踪算法中背景对目标定位的扰动,本论文提出了一种基于颜色与纹理混合特征和采用背景加权更新的改进算法。改进算法先将原始视频序列RGB图像转为HSV颜色空间表示,然后分别在H、S通道上提取颜色特征,在V通道上用LBP描述符提取纹理特征,在此基础上为目标区域和背景区域建立三维颜色纹理混合直方图作为其描述符；在对象的跟踪过程中,通过巴氏系数选择性地加权更新部分背景信息。另一方面为了有效提高背景模型的更新效率,提出了基于分块背景更新的加强算法。目标周围的背景区域划分成四块,分别计算这四个子块的颜色直方图作为区域特征描述符,通过巴氏系数选择性地更新相似性较低的三个区域。在构建目标候选模型时,利用目标物体空间信息给候选目标区域像素点赋予相应的距离权重。实验结果表明：与基于全部背景更新策略相比,改进算法充分利用了颜色和纹理特征并加权更新背景信息,具有更高的可靠性和鲁棒性以及更好的计算效率。与整块背景信息更新策略和加权更新背景信息的策略相比,加强算法具有更高的迭代收敛效率和更强的抗背景干扰的能力。