视频目标跟踪是计算机视觉领域的关键技术之一，在视频监控、虚拟现实、智能机器人、自动驾驶等领域都有广泛应用。经过研究人员的多年努力，提出了很多经典的跟踪算法，解决了很多目标跟踪的难题。但目前的目标跟踪算法都是在某种针对性的环境或目标条件下有效，缺乏通用性。因此对于目标跟踪算法的研究非常有意义。　　在众多跟踪算法中，Mean Shift跟踪算法由于实时性好、跟踪精度高，受到了广泛关注。Mean Shift算法是一种无参密度估计算法，具有运算量小，实时性好，对边缘遮挡和目标变形有好的鲁棒性的特点。但它也有缺点：直方图对目标的特征描述比较弱；当目标尺度变大时，可能会跟踪失败；模板无法更新；跟踪快速目标时效果不好；目标遭遇大面积的遮挡时可能会失去目标。　　本文介绍了Mean Shift基本理论及Mean Shift算法收敛性的证明。研究了基于MeanShift的目标跟踪算法。同时针对Mean Shift跟踪算法的部分不足之处进行了改进研究。首先研究了Mean Shift与卡尔曼滤波器相结合的算法，由于卡尔曼滤波器能够预测目标在下一帧的可能位置，因此该算法提高了跟踪快速目标的效果和解决了部分遮挡问题。其次针对Mean Shift无模板更新能力使用加权更新机制。最后利用遮挡处理策略在目标遭遇大面积遮挡后仍能被寻回。