当今世界是一个信息急剧膨胀的时代，人们随时随地都会接收到海量的信息，其中视觉信息尤为重要，所以对这些视觉信息的处理逐渐成为人们日益关注的焦点。基于运动目标跟踪的视频分析技术是当今社会研究的热点，其中Mean Shift算法是常用优秀的运动目标跟踪算法之一，本文针对传统Mean Shift算法的不足，即目标跟踪框的大小不能变化，以及目标在快速运动或者被遮挡时跟踪效果较差的情况，对算法进行了相应的改进。Mean Shift算法采用RGB核颜色直方图作为目标模型的描述，同时在MeanShift算法框架下提取目标的几何特征，根据目标的型心坐标和面积对跟踪框的位置和大小做实时的更新，并按实际情况更新Mean Shift的目标模板。针对Mean Shift算法对快速运动目标以及目标被遮挡时跟踪效果不佳的情况，本文结合卡尔曼滤波器对运动目标的预测功能，将卡尔曼滤波器与Mean Shift相结合，在每次执行Mean Shift算法时先以卡尔曼滤波器来预测目标的位置信息，然后再执行Mean Shift算法对目标位置做进一步修正，增强了目标位置信息的判断机制，使得目标跟踪更加有效。本文算法实现所采用的硬件平台以DM8168多核处理器为核心，同时处理系统以McFW为视频处理系统框架。由DSP核来运行目标跟踪算法，M3VPSS负责视频的捕获和显示，M3Video负责视频的编解码，由ARM核负责控制多个核之间的协同工作。基于以上研究，本文通过与传统Mean Shift算法进行实验对比，证明改进后的算法在目标尺寸变化明显时具有更好的跟踪效果，同时对于目标快速运动以及被遮挡情况下也具有更佳地跟踪效果。