机器视觉是利用计算机代替人类眼睛和大脑,获取信息并理解世界的主要手段。运动目标跟踪技术是机器视觉一个重要的研究方向,在图像处理、人工智能以及人们日常生活中的各项领域均有着重要应用。但是一般情况下被跟踪的目标所处的环境都较为复杂,存在各种各样的干扰因素影响跟踪的效果,尤其是遮挡的发生,很大程度上地影响了跟踪的准确性。因此本文在深入研究机器视觉理论和应用领域的基础上,重点研究在遮挡环境下运动目标的跟踪技术。运动目标检测的研究,首先简要地介绍在目标检测过程中要用到的图像处理的相关知识,为后续的检测和跟踪操作奠定良好的图像基础。然后重点介绍运动目标检测的经典算法,详述它们的原理、实现过程以及各自适用的场景。最后通过实验仿真,逐一查看各方法的检测效果。无遮挡环境下运动目标跟踪的研究,首先根据跟踪方式的不同分别对跟踪算法进行逐一介绍,通过对无参数密度估计的介绍,引出要重点介绍的MeanShift跟踪算法,详细介绍它的基本原理与实现过程。然后将MeanShift算法实际应用到运动目标跟踪领域中去,详细说明MeanShift算法在目标跟踪过程中具体的使用步骤。最后通过一组对比实验查看MeanShift跟踪算法分别在无遮挡和有遮挡存在的复杂环境下对运动目标的跟踪效果。在遮挡环境下运动目标跟踪的研究,这部分是本文的重点,首先介绍Kalman算法的原理以及在目标跟踪过程中的应用。接着对不同种类的遮挡进行分类介绍,然后针对遮挡问题给出详细的分析和解决思路。接下来重点对传统的MeanShift跟踪算法进行改进,首先对跟踪区域的确定以及划分方法进行了重新定义以实现目标空间信息的充分利用。然后在新算法中加入Kalman预测机制,完成在遮挡情况下对运动目标轨迹的合理预测,估计出运动目标在后续图像序列中可能出现的大致位置,进而完成对运动目标的跟踪。最后通过一组对比实验检验出改进后的MeanShift算法在遮挡情况下对运动目标的跟踪效果是令人满意的。