现今，随着天网全方位的建立，图像和视频已成为公安破案的重要依据，计算机视觉中的图像处理，视频的动态追踪也成为世界公安技术领域相关专家研究的热点问题，人工智能、机器学习的飞速发展，也使得计算机在针对图像、视频的分析获取得了快速发展。在道路监控视频中，往往由于一些树木，车辆或其他因素导致追踪目标被遮挡，计算机无法完成连续追踪，只能依靠人力去追踪，这就大大浪费了警力和时间，如何能够在遮挡或半遮挡的情况下，实现目标的快速动态追踪，是本文研究的重点，也是国内外的一个研究热点。同时，为了解决快速追踪的问题，本文采用了图像处理技术中的超像素分割技术，将像素级转化成超像素级问题，实现了快速追踪。由于图像分割的质量决定了后续问题的处理，所以在超像素分割算法的选择上也成为一个重要因素。　　本文利用融合了超像素分割技术的时空上下文先验模型来解决半遮挡问题。文章首先介绍现阶段国内外对于视频目标追踪技术的发展情况，提出研究的背景及意义，并提出利用基于熵率的超像素分割算法融合时空上下文先验模型进行视频目标的动态追踪，在实践中，通常采用低层特征处理图像视频，而很少采用中层视觉特征，本文则是利用了中层视觉特征，构建上下文模型，求解置信图，获得目标位置在新一帧的最大概率。　　首先建立时空上下文先验模型，利用贝叶斯框架来做目标模型构建，以及目标与背景邻近的子区域的关系，通过时空上下文模型确定目标位置的置信图，并在目标区域采用均匀采样点追踪器，来完成当前帧的目标位置确定。然后，使用超像素分割算法进行分割，利用像素位置距离超像素中心点的远近，算出所求目标在每个像素位置出现的概率，将置信图转化成像素级置信图，估计目标在所寻求区域的每个位置出现的概率问题，即概率最大的即为目标新一帧所出现的位置。　　最后，利用捷尚公司的测试视频和标准视频库中的视频，对本文的算法进行实验验证，验证了算法的正确性和有效性的同时，提出了算法分析及对运算结果的评价，最后对本文涉及的图像处理及视频跟踪技术的应用进行了总结展望。