视频目标跟踪是目前一个重要的研究领域，其在视频监控、交互休闲娱乐以及人工智能等方面都有着广泛的应用。论文针对视频目标跟踪过程中，不可避免的存在目标特征变化而导致跟踪失败，参考模板与候选模板相似度计算不合理而导致跟踪性能下降等问题进行深入研究，分别对均值移动算法、粒子滤波算法和主动轮廓算法进行改进并取得一些成果，主要包括：　　 (1)提出了基于先验知识的模板更新算法。针对被跟踪头部目标特征状态随时间变化而导致参考模板与候选模板不匹配的问题，我们提出一种基于辅助模板的更新策略。该方法首先根据被跟踪目标不同状态下所呈现的颜色统计特征，设计一个辅助模板；然后利用它对候选模板中的不同颜色特征进行指导性更新，从而形成一个具有目标先验知识的参考模板，该算法解决了目标特征变化和模板更新时机选择的难题。　　 (2)针对基于Bhattacharyya相似度的均值移动跟踪算法精度较差的问题，论文提出了基于直方图交集思想的新型颜色分量加权方法，从而提高了在目标快速运动、有场景相似颜色干扰等情况下的目标跟踪精度。并且针对跟踪过程中，因摄像机抖动、光照变化、目标自身状态变化等因素导致跟踪线索变化的情况，提出基于辅助模板的目标参考模板更新机制，从而有效地解决了目标短暂遮挡以及更新过程中的累积误差问题。　　 (3)为了解决被跟踪目标特征状态随时间变化而与粒子观测模型不匹配的问题，我们提出了一种多观测模型的粒子滤波算法，即将被跟踪目标的不同特征状态与粒子观测模型相结合，形成一组具有不同观测模型的粒子，并且在跟踪过程中，对应不同观测模型的粒子根据被跟踪目标特征的变化而相互转换，从而本文算法可以实现视频目标的连续跟踪。　　 (4)针对基于最小均方误差和最大后验概率状态估计在背景干扰下存在偏差的问题，本文提出一种新的跟踪目标状态参数估计方法，即在跟踪过程中，按照粒子权值大小的准则，筛选适当数量具有较大权值的粒子进行状态估计，从而实现消除背景以及伪目标的影响。　　 (5)针对在复杂的跟踪环境下，基于主动轮廓算法的目标跟踪容易陷入局部最小点的问题，我们提出了一种基于粒子滤波和均值移动算法的跟踪策略。首先，采用粒子滤波提取目标位移向量，将它作为均值移动算法迭代初始位置，然后用整个位移来指导主动轮廓算法的跳变，最后通过主动轮廓算法提取感兴趣目标的轮廓并且向粒子滤波算法和均值移动算法反馈必要的信息，从而实现了快速视频目标跟踪。　　 (6)针对经典主动轮廓算法和梯度向量流主动轮廓算法外力模型所具有的共同缺陷，即离图像边缘越远，外力越小，我们提出了一种基于均值移动算法的外力模型，这种新外力模型具有均值移动算法的自适应收敛特性，并且为了实现快速计算，设计了掩模算子，从而提高了目标轮廓的分割速度。