近二十年来,随着计算机视觉技术的长足发展,以其为基础的目标跟踪技术也出现了蓬勃发展的趋势,并在社会经济各领域取得了广泛的应用。但目前的多目标跟踪算法,大多都被复杂背景干扰、目标遮挡和实时性问题所困扰。均值漂移算法是一种基于模板匹配的目标跟踪方法,方便高效,无需先验知识,从而得到广泛关注。但是该算法也被跟踪中的常见问题所困绕,首先是采用单一颜色特征,易被相似背景干扰,导致跟踪的稳定性下降;然后是该算法以特征匹配作为跟踪的主要手段,当目标受到遮挡时,无法进行有效匹配而导致跟踪效果大大降低。本文对比了当前主流的多目标跟踪方法,对均值漂移算法的优缺点进行了分析,在此基础上,针对均值漂移方法在跟踪过程中表现出来的两大问题提出了基于多特征联合的预测-跟踪多目标跟踪算法。首先,针对易被相似背景干扰问题,提出了改进的特征提取方式,用背景加权空间直方图代替普通直方图提取颜色特征,用局部二值化模式提取图像的纹理特征,采用自适应的权值调整方案来为各特征分配跟踪结果中的权重;其次针对抗遮挡能力不强的问题,提出了预测-跟踪的策略。结合卡尔曼滤波算法,提高跟踪的准确度,对跟踪事件进行分类判别,自适应调整跟踪窗口并更新目标模型,从而建立起完善的多目标跟踪体系。通过对比视频序列,并和基于支持向量机的均值漂移算法进行跟踪效果对比,实验证明本文方法能大大提高在复杂背景下的跟踪效果,遮挡情形下的跟踪正确率提高了30%以上。最后,针对单个摄像头跟踪范围的局限性,结合本文提出的多特征联合的K-MS多目标跟踪方法,设计了一种分布式的多摄像头目标跟踪方案。利用多个摄像头,采用接力的方式对目标进行跟踪。通过对摄像头跟踪范围内目标丢失情况进行判定,在所有摄像头跟踪范围内对运动前景目标进行特征匹配,根据匹配结果,当某摄像头中重新检测到目标时继续跟踪,从而保证目标被连续稳定地跟踪下去。通过采集的视频和摄像头实时跟踪实验,该方法能够有效地进行接力式跟踪。