目标跟踪是指在一序列图像的每幅图像中找到所感兴趣的运动目标所处的位置,它是计算机视觉领域的一个重要研究方向,经常应用于视频监控、人工智能、人机交互等方面。目标跟踪可以提供被监控目标的运动轨迹,也为目标的运动分析提供了可靠的数据信息。本文在借鉴相关领域技术的基础上,主要对目标跟踪中的Mean Shift算法进行研究分析。传统的Mean Shift跟踪算法基于目标模型在跟踪过程中不发生改变这一前提假设,跟踪过程中一直采用初始目标模型,并无模型更新机制。本文在跟踪过程中采用混合高斯背景建模的运动目标检测方法来更新目标模板,从而使模板更新能够自适应。在Mean Shift跟踪算法中,核函数的带宽是非常重要的参数,但是当跟踪过程中目标尺寸发生较大变化时,传统Mean Shift跟踪算法不能自适应改变核函数带宽。针对这一问题,本文使用变分水平集方法提取目标轮廓,根据目标轮廓信息实现核函数带宽自适应。以实现智能化视频监控这一背景为基础,本文针对禁止停车区域视频监控的算法进行了研究,并且应用改进的Mean Shift进行了实现,重点针对运动车辆检测与车辆跟踪两个关键部分进行研究与实现。本文首先详细研究Mean Shift理论及其在跟踪算法中的应用,提出算法存在的问题。然后针对传统算法中的两个缺陷提出了改进的算法。其次基于改进的Mean Shift跟踪算法研究并实现对禁止停车区域的实时监控。